小波变换在图像融合中应用探讨

作为像素级融合的方法之一,小波变换具有多分辨分析和多尺度分析的特点,目前被广泛应用于红外和可见光图像融合中。本文通过深入研究现有的图像融合算法,研究小波基的提升方案,并对其提升处理后的小波性能进行比较。     

基于平移不变小波变换的图像融合技术的实现

本文介绍作者所进行的基于像素级图像融合技术的研究。目前,图像融合技术主要分为像素级、特征级和决策级这三种主要方法,而像素级图像融合的方法可以更多地保留原有图像的信息,并对单一像素信息进行处理,精度高、方法简单易行,目前被广泛的应用在各个领域。而基于平移不变小波变换算法先对待融合的多源图像进行空间域的变换,得到图像各层分解后的系数,再对该组系数按一定的融合规则进行融合处理得到一个融合后的系数表示,最后经图像的逆变换获得最终的融合图像。     

多信息源图像的融合技术研究

多源图像融合是将不同来源的某一场景的两个（或多个）目标进行两次（或多次）成像,将这些图像的清晰部分组成一幅新的图像,以得到一个多目标都聚焦清晰的融合图像。提出将小波变换方法应用于多信息源图像的融合,并选取适当的小波基、分解层数和融合算子。针对小波变换及图像的特点,本文选取了7类共50种小波基、4种小波分解层数和6种融合算子,共1200种小波变换的融合方法进行了比较。通过比较融合图像的相似性,对图像融合效果的评价表明,实验获得的最佳图像与理想图像的相似度均达到99%。     

基于小波框架变换和区域能量的图像融合算法

提出了一种基于小波框架变换和区域能量的多聚焦图像融合方法,该方法首先利用离散小波框架变换对原始图像进行多尺度分解,通过计算各个像素的高频能量并设置合适的闽值,将源图像分割成3个区域：聚焦区、离焦区和边界区,不同的区域采用不同的融合规则,在保持源图像各自聚焦区域的同时尽可能保持边缘区域的细节：实验结果表明,该方法取得了比其它2种传统融合方法更优的视觉效果和性能指标。     

多层曝光图像序列轮廓波域平滑算法

提出一种基于伪信息去除的多层曝光图像序列轮廓波域平滑算法,首先设计图像序列块曝光生成和轮廓边缘检测算法,基于非局部均值滤波进行图像特征提取,对图像进行连续性小波变换,得到图像的伪信息中心矩特征,求得多层曝光图像的最大后验估计算子,最终生成灰度直方图二进制均衡系数,进行特征匹配后得到了去除伪信息的输出图像,实现对轮廓波域平滑算法改进。仿真实验表明,采用该算法得到图像轮廓波域平滑处理后的PSNR最高,保留了图像大部分的细节信息,展示了较好的伪信息去除性能,图像纹理清晰可见,图像的视觉效果更好,实现准确的轮廓波域平滑处理。     

一种改进的小波域子矢量高光谱图像压缩处理技术

传统的基于二维小波变换的图像压缩方法在对高光谱图像细节部分进行量化编码时对低频部分进行全域矢量分解,噪点处理不够平滑,处理结果不好。提出一种改进的基于小波域子矢量的光谱图像压缩处理算法,对小波域的子矢量细节部分采用误差补偿编码的方法对高光谱图像的噪点进行平滑处理,对N级码书进行两级小波变换提取低频系数,通过算术编码实现城市、植被、水流多源信息高光谱图像压缩和解码恢复识别结果。仿真结果表明,采用该算法进行光谱图像压缩,图像经压缩处理后的恢复质量品质较高,峰值信噪比提高明显。     

基于小波变换的信号去噪研究

小波变换在信号去噪的应用中有很大的优势,它弥补了傅里叶变换在信号去噪中的局限。小波变换在时间域和频率域都具有良好的局部特性,可以聚焦到信号的任意细节。根据信号的特性利用小波变换的处理方法能够有效的将有用信号与噪声分离开来从而达到去噪的效果。     

一种改进的DCT变换图像融合技术

提出了一种提升小波变换和DCT变换相结合的图像融合算法。这种算法并不依赖于对方差,而是直接使用DCT变化和小波变化分别对高频部分、低频部分进行特征提取。实验表明,这种新的融合技术与传统算法相比,不但提高了图像的信噪比,更加保留了边缘的信息细节,同时也提高了处理效率,减少了使用时间,具有较高得实用价值。     

小波分析在图像消噪中的应用

由于小波的多分辨率分析具有良好的空间域和频率域局部化特性,对高频采用逐渐精细的时域或空域步长,可以聚焦到分析对象的任意细节,因此特别适合于图像信号这一类非平稳信源的处理,已成为一种信号,图像处理的新手段。     

基于小波变换的图像增强方法研究

本文采用X射线技术,对霉心病等原因造成的内部腐烂变质苹果进行了检测,采用小波变换的方法对图像进行增强处理,为了检测算法的有效性,和传统图像增强的方法进行了比较。实验结果表明,采用小波变换的方法增强图像后,可以得到比原始图像更清晰的图像。     

一种高效的基于离散小波变换和最低有效位的数字水印技术

为了进一步提高数字水印技术的抗几何攻击的能力,提出一种基于离散小波变换域和最低有效位的盲水印算法。首先,对数字水印预处理和二值化处理之后,再把载体图像进行离散小波变换,将水印图像嵌入到一层离散小波变换低频系数的最低有效位。实验证明本文的算法水印的不可见性较好,在抵抗常见攻击和几何攻击具有较好的鲁棒性。     

基于矩阵运算的图象处理

本文将结合实际中图像处理领域的相关知识,对图像的矩阵表示、图像的矩阵处理、图像的小波变换、人脸识别、图像融合等技术进行逐一讨论和分析。     

高分辨率太阳图像中列固定模式噪声的消除

高空间分辨率太阳图像中的列固定模式噪声降低了图像质量并对太阳大气现象、太阳物理的研究产生了影响。针对传统小波变换处理列固定模式噪声不足的问题,提出一种新型的基于小波变换和双滤波的去噪算法。首先,根据噪声的产生机理以及存在形式,将原始图像对数化并进行小波变换。其次,对小波域中的垂直分量进行中值滤波,去除其中的噪声小波系数。再次,利用小波逆变换得到无噪图像,并与对数化图像做差提取初始噪声。然后,对初始噪声进行低通高斯滤波并指数化得到结果噪声。最后,用原始图像除以结果噪声便得到去噪后的图像。真实图像的实验结果表明本文算法的去噪效果优于其他算法。实验表明本文算法在去除列固定模式噪声的同时,能够很好的保留图像信号,提高图像质量。     

基于小波变换的PET图像分析

提出一种把小波变换和统计检验结合起来检测PET图像激活区的方法.首先,采用模拟的PET图像来评价算法的可靠性,结果显示,在小波域上进行统计检验比传统的直接在空间域上进行统计检验具有更高的灵敏度,更强的抗噪声干扰性能,更快的计算速度.最后,用该方法处理真实的PET图像,也得到了满意的结果.该方法为PET医学图像处理和脑功能研究提供了一种新的多尺度、高性能的分析手段,对于脑功能研究的功能区定位、临床诊断、药物疗效评估等有着重要意义.     

基于小波变换的二值模式检索

提出了一种基于小波变换后的二值模式图像检索。把图像库里的图像通过小波变换压缩预处理,方便图像快速入库提取图像特征。选取二值模式技术处理,以便有效提取图像的特征进行检索。实验数据库采用Brodatz纹理图像库,对比了边缘拟合算法,共生矩阵和灰度纹理矩检索图像的检索效率,得出小波变换后的二值模式检索效率较高。     

基于多小波分析的图像优化去噪方法研究

针对传统单小波在对称性、正交性、有限支撑等特性上的不足,提出一种基于多小波分析的图像优化去噪方法。对图像进行预滤波处理操作,消除多小波的不恰当离散性。对待处理信号经预滤波处理后产生的四个分量进行多小波变换处理。采用Visu shrink方法与基于stein无风险估计的Sureshrink方法对阈值进行确定。保持总像素量不变,给出多小波分解及重构系统框图。以S=2的多小波为例对多小波变换进行分析。分别完成行滤波和列滤波。对噪声方差进行预测,完成对原始图像多小波系数的方差的估计,对尺度参数和阈值进行计算。仿真实验结果表明,所提方法能够有效去除图像噪声,进一步增强了图像的信噪比。     

ETM+影像的像素级图像融合方法比较

图像融合是一种进行图像增强的有效技术方法,可以综合利用图像的空间纹理细节和光谱信息。图像融合分为像素级融合、特征级融合和决策级融合三个层次。像素级图像融合是最常用的图像融合方法,主要有HIS变换法、Brovey法、PCA变换法、SFIM变换法、小波变换法等。     

基于改进的四叉树分解多聚焦图像融合算法研究

多聚焦图像融合的目的是将两幅或多幅部分聚焦图像融合为一幅全聚焦图像。本文提出一种基于四叉树分解和鲁棒性主成分分析(RPCA)的空间域多聚焦图像融合算法。首先利用四叉树分解算法将源图像分解为最佳的四叉树形结构图像块;同时,在四叉树形结构中,使用鲁棒性主成分分析算法对其聚焦区域进行探测,将聚焦度探测结果作为停止四叉树分解的条件;最后,从源图像中提取出聚焦区域重建为一幅全聚焦图像。本算法充分发挥了四叉树分解和鲁棒性主成分分析的优势,实验结果证明,本文提出的算法在主观视觉和客观评价指标上都取得了较好的效果。     

基于灰度窗口相关匹配的图像边缘融合技术

通过图像边缘融合提高图像的成像质量和识别能力。传统的图像边缘融合方法采用小波包加权滤波方法,当图像出现丰富结构信息或者干扰较强时,融合效果不好。提出一种基于灰度窗口相关系数匹配的图像边缘融合算法。实现图像的边缘融合的基础是进行图像归一化分割,设计边缘特征提取方法,得到的图像边缘进行Hough变换直线检测,提取出直线段,通过超像素网格的形成的方法绘制图像的边缘融合边界寻优路径,得到超像素网格,实现了基于灰度窗口相关系数匹配的图像边缘融合处理。仿真结果表明,该算法的对图像的边缘融合效果较好,度量了区域间的差异和区域内的相似性,提高图像的分割和边缘融合质量。     

基于ERDAS软件的影像融合方法对比研究

本文主要以ERDAS软件为依托,选取多光谱和全色波段的Geoeye-1卫星遥感影像作为数据源。在对其进行精确配准后,通过采用ERDAS软件自带的高通滤波融合、小波变换融合、Sutractive融合、HIS融合以及PanSharping融合五种影像融合方法对其进行了融合处理。通过对融合后的影像进行比对,得出基于PanSharping融合方法得到的结果更为理想。