基于小波变换的多聚焦图像融合算法

提出一种基于小波空间频率的多聚焦图像的融合算法,该方法是在小波多分辨率分析的基础上,采用小波变换后的系数去定义待融合图像中的清晰度测量指标.对于明显的清晰和模糊区域,直接选取清晰区域作为融合后的相应块区域.而对于清晰与模糊的边界区域,采用了基于像素的窗口空间频率的方法进行融合处理.融合结果表明,该方法是可行和高效的,且比其他图像融合方法具有更好的性能.     

基于差异演化的多聚焦图像融合算法

多聚焦图像融合就是综合和处理多个源图像的信息,来获取对同一场景或物体的更为准确、更为全面、更为可靠的图像描述．对于可见光成像系统而言,特别是含有长焦距的光学镜头,对景深有一定的限制．因此,将场景中的所有物体都成像清晰是很难的,这个问题采用多聚焦图像融合技术可以很好解决．通过提出一种基于差异演化的多聚焦图像融合算法,首先将源图像进行分块,然后用清晰度评价函数比较对应图像块的清晰度,选择清晰度高的作为清晰图像块,最终重构融合图像．该方法的积极意义在于,优化后的图像块比没被优化的使用效果更佳．实验结果表明,从定量和视觉两方面评价,都明显优于遗传算法和其他传统的图像融合方法．     

基于结构相似性的多源图像融合

对源图像进行小波分解,得到图像分解后的高频系数和低频系数,并且计算源图像的结构相似性。对于低频系数采用系数绝对值取大法进行融合;对于高频系数依据相似性大小对其进行融合,如果相似性大于设定阈值,则高频系数采用系数绝对值取大法,否则采用计算像素点边缘强度法进行融合,对融合后的系数进行小波逆变换得到融合图像。实验结果表明,该方法有效地综合了源图像中的重要信息,融合图像边界清晰,得到更好视觉效果和更优的评价指标,融合效果优于对比实验中的小波方法。     

基于主成分分析变换和提升小波的图像融合

为了将低分辨率多光谱图像和高分辨率全色图像有效地融合,提出了主成分分析(PCA)变换和提升小波相结合的融合方法。小波提升后选用不同的融合规则对高低频成分进行融合,并与PCA+DWT和HSV+LWT融合法进行了比较,实验结果表明,该方法较好地保留了多光谱图像的光谱特性,提高了空间分辨率。     

基于DT-CWT和自适应PCNN模型的多聚焦图像融合方法研究

针对传统图像融合方法在多聚焦图像融合中存在细节丢失、边缘模糊和焦点不清楚等问题,提出一种基于双树-复小波变换（DT-CWT）优化显著性测度和自适应脉冲耦合神经网络（PCNN）模型的多聚焦图像融合方法。首先,将两张聚焦区域不同的输入图像使用双树-复小波分解成低频子带和高频子带;然后,对低频子带采用基于显著性测度的度量方法计算小波融合系数,对于高频子带,采用自适应PCNN模型计算触发时间来选取高频融合子带;最后,通过双树-复小波逆变换重构得到融合结果。与其他融合方法进行对比,结果表明,基于文章所提方法的融合图像更加自然清晰,具有较高的边缘保持度,同时保留了更多的细节信息,因此,此方法可以大大提高图像质量。     

一种DE搜索块寻优的多聚焦图像融合算法

针对多聚焦图像,提出了一种DE（差异演化）搜索策略应用于图像融合子块寻优的算法,对同一场景两幅严格配准的源图像的清晰度恢复进行了深入研究。融合过程是首先将已经配准的源图像分割成若干个子块,然后采用一个清晰度评价函数选取清晰的图像块形成融合图像。该方法的创新之处在于,把图像子块的大小作为遗传染色体,经过交叉、变异和选择等操作,以便得到全局意义上的最优解。实验对比结果表明,该方法超过遗传算法和其它传统的多聚焦图像融合法。     

基于区域能量加权的图像融合算法在指纹图像提取中的应用

在拍摄光滑客体表面的无色指纹时,一般采用定向反射光照相的方法,但是对于光滑纸板等表面,潜在指纹与背景之间的反射亮度差很小,传统方法难以进行拍摄提取。使用不同方向的光源配光,每一方向光源采集一幅图像,然后使用小波变换,将图像分解为不同尺度空间上的一系列子图像。对于低频子图像,采用取平均的融合规则;对于高频子图像,采用基于窗口的区域能量决策进行系数融合。最后对融合后的图像进行基于自适应引导滤波的多尺度Retinex图像增强,以增加指纹图像对比度。实验结果证明,该算法可以解决光滑物面指纹图像难以提取的问题,从而得到较为清晰的指纹图像。     

基于fMRI和DTI小波融合信号的抑郁症识别(英文)

功能核磁共振和弥散张量这2种成像方式能够反应人类大脑不同方面的信息,采用小波变换的方法来对这2种医学图像进行融合可以有效改善抑郁症的识别准确率.首先,利用多尺度小波分解方法把每种类型的图像都转换到频域,以得到各频率的成分参数.其次,对于每个被试,将2种图像的分解参数根据频率各自相加,并且通过小波逆变换重建出融合图像.然后,使用主成分分析方法对融合的数据进行降维并得到图像特征.基于融合后图像的特征,采用留一检验方法最终得到了80.95%的抑郁症识别率.可以看出,该小波融合方法能够对当前抑郁症的诊断识别进行有效的改进.     

一种基于多通道滤波的曲波变换图像融合算法

鉴于传统小波变换融合算法容易出现分块效应、地物纹理模糊、丢失源图像部分细节等缺陷,提出一种基于多通道滤波的曲波变换图像融合算法.首先利用多通道滤波原理保留源图像丰富的纹理特征,再对图像进行小波分解得到高、低频分量,接着对各分量作局部脊波变换进行融合,最后经过曲波逆变换得到完整的重构图像.以SPOT XS3源图像与SPOT全色源图像为例进行融合实验,结果表明,该算法得到的融合结果从视觉和定量分析上都优于传统的小波融合算法.     

数字图像复制—粘贴篡改检测与定位算法

为了提高图像区域的复制篡改检测效率,提出了一种基于相位相关的数字图像检测与定位算法。该算法首先对图像进行滑窗分块,根据各个图像块的灰度均值大小选出可能匹配的图像块对,然后利用相位相关技术对图像块对进行匹配度计算,最后根据候选图像块对之间的距离消除误匹配块对,并标记篡改区域。实验结果表明,该算法检测效率高且实用性强。     

基于字典学习的医学图像融合

稀疏表示能够有效地表示图像的固有特征,利用KSVD学习算法对30幅自然图像训练得到了鲁棒的字典,利用“滑窗”策略对两幅源图像进行分块,使用OMP算法在字典上对各图像块进行稀疏分解,分解后的系数采用系数绝对值选大法进行融合,进而得到融合后和图像块.理论分析与实验结果表明,该方法能够有效地对已配准的待融合图像进行融合,融合后的结果无论是视觉效果还是客观评价参数均优于文中对比方法的效果.     

一种基于小波变换的图像融合改进算法

提出了一种基于小波变换的图像融合改进算法,该算法对多源图像进行小波分解,并针对分解后的低频分量和高频分量各自的特点,选用不同的融合规则进行融合,即低频分量采用局部均方误差加权平均的方法,高频分量采用区域能量比的加权融合规则.实验结果表明,无论是从主观分析还是客观统计参数评价,本文方法的融合图像效果最好,优于文中的其他算法.     

结合自适应Gamma变换和MSRCR算法的低光照图像增强方法

针对低光照图像整体对比度低、细节显示不够清晰的问题,提出一种结合自适应伽马(Gamma)变换和带颜色恢复的多尺度Retinex(multi-scale Retinex with color restoration, MSRCR)算法的低光照图像增强方法。首先,为了动态地拉伸图像灰度值范围和提高图像对比度,进行RGB到HSV的颜色空间转换,采用多尺度融合方法提取图像的光照分量,并结合Gamma校正曲线实现图像自适应Gamma变换,提升图像的对比度;其次,针对自适应Gamma增强后的图像亮度较低的问题,采用MSRCR算法进一步提升图像亮度,并结合小波重构方法融合自适应Gamma变换后的图像和MSRCR增强后的图像;最后,由于小波重构后的图像局部存在过曝、过饱和的缺陷,结合基于模拟退火的自适应融合方法,将自适应Gamma变换后的图像和小波重构后的图像进行融合,得到最终的增强图像。所提方法既提高了低光照图像的对比度,使图像更有质感,又提升了图像的整体亮度,使暗部区域细节更加清晰;同时,弥补了MSRCR算法易出现色偏、颜色失真的缺陷。将所提方法应用于LOL低光照图像数据集,并与经典的图像增强算法...     

一种有效的形态小波多聚焦图像融合算法

多聚焦图像融合的关键问题是如何更好地保持源图像的轮廓信息和细节信息。形态小波具有小波变换的多层次分解特性和形态学的非线性特性。提出了一种基于形态小波变换的多聚焦图像融合算法。根据形态小波分解信号的特点,分别对高频系数和低频系数设计不同的融合规则:高频系数采用方向相关方法,最大程度保留细节和细节信息的方向特性;低频系数采用加权平均方法,该方法轮廓明显,最大程度地保留了轮廓信息。实验结果表明:该方法融合图像效果优于传统图像融合方法。     

基于B样条小波融合的平面足迹图像边缘特征提取方法研究

提出了一种基于B样条小波融合的平面足迹图像边缘特征提取方法。该方法首先将采集来的平面足迹图像复制成二幅,然后使用Prewitt算子和Robert算子分别对这两幅足迹图像进行边缘特征提取,最后使用B样条小波将所获取到的两幅图像的边缘特征图像进行图像融合。实验表明,经过B样条小波融合后的平面足迹边缘特征图像优于使用单一方法所获得的结果,因此本文所提出的方法是一种行之有效的平面足迹图像边缘特征提取方法。     

遥感图像薄云覆盖下地物信息恢复算法

针对遥感图像薄云覆盖下地物细节模糊问题,给出一种融合对偶树复小波变换和支持向量滤波的遥感图像薄云覆盖下地物信息恢复算法.利用对偶树复小波变换和支持向量滤波器将薄云覆盖遥感图像分解为高频方向子带和低频子带;分别对高频方向子带系数进行自适应增强,对低频子带系数加以抑制;对不同方法处理后的低频系数采用基于匹配度的选择和加权相结合方法进行融合,对高频系数采用基于轮廓波对比度的方法进行融合,获得地物细节清晰的融合图像.实验结果表明,算法在视觉效果和定量指标上优于对偶树复小波变换方法和支持向量滤波方法.     

压缩域遥感图像融合方法研究

给出了基于压缩感知的全色和多光谱图像融合方法.分块压缩感知实现速度快、存储需求小,为海量遥感数据的压缩测量提供了有效策略.同时,利用小波变换的多分辨率特性,实现了压缩采样的多尺度融合.最后采用全变分技术重构融合图像.实验结果表明,与传统小波融合方法相比较,所提方法融合结果具有更高的空间分辨率和更好的光谱相关性.     

基于小波变换的图像融合算法及性能评价

在阐述小波图像融合算法的基础上,针对小波分解后各频域融合算子和融合规则的选择,提出一种新的基于FPGA动态可重构的图像融合算法。该方法对小波分解后的图像低频子带采用平均融合算子处理,在高频子带的融合中依据小波系数树状结构特点提出了一种新的自适应融合方法,最后经过小波逆变换得到融合图像。核心算法集成到一片FPGA中实现,提高算法的实时性,降低系统的实际功耗,有效地减少融合图像的失真。对多组图像进行实验,实验结果表明,该方法是有效的。     

基于双窗口小波-Contourlet变换的图像融合算法

提出一种基于双窗口小波-Contourlet变换的图像融合算法.首先采用小波一Contourlet变换对图像进行分解,接着采用两种不同尺寸的窗口计算系数的特征值:低频子带采用区域能量法和高频子带采用区域方差法,分别比较双窗口下的高频子带和低频子带的系数特征值,比较的结果作为得到融合系数选择的依据,最后采用逆小波-Contourlet变换得到融合图像.仿真实验证实,在特征类型选择一致的情况下,该方法的融合性能优于小波变换法和Contourlet变换法,融合图像质量较好.     

结合形态非抽样小波和引导滤波的图像融合研究

提出一种新的图像融合方法,该方法将形态非抽样小波和引导滤波结合,实现一种快速有效并且对图像边缘保持明显的融合过程。该方法首先对源图像进行形态非抽样小波分解得到基础层图像,源图像减基础层图像得到细节图像。接着对细节图像进行显著比较得到权重图,然后对权重图进行引导滤波,源图像作为引导图得到优化后的权值图,最后将优化后的权值图分别与基础层图像和细节图像加权平均再相加得到最终的融合图像。相对于现有的图像融合算法,该方法能有效的保留源图像的边缘部分,有助于显著目标的识别。通过实验证明了该算法能得到具有高对比度的融合图像,融合效果良好,在实时图像融合中具有较高的应用价值。