基于非下采样剪切波变换域方向信息测度的多聚焦图像融合方法

根据非下采样剪切波变换(non-subsample shearlet transform, NSST)在图像融合领域的优势和多聚焦图像的成像特点,将NSST运用于多聚焦图像融合。在NSST变换域中,利用方向信息测度能够突出图像边缘纹理特征以及降低图像噪声,将其运用在高频子带系数的融合规则中,并对传统的低频融合策略进行改进,将低频系数和高频系数的融合图像进行NSST的逆变换,得到融合图像。计算机仿真实验表明,相比于传统的剪切波变换的融合策略,本文提出的图像融合方法提高了图像的融合质量,增加了图像的信息量,并能降低图像噪声,具有一定的有效性和实用性。     

基于NSCT域I2CM的图像融合方法

针对多传感器图像融合问题, 提出一种基于非下采样轮廓波变换域改进型交叉视觉皮层模型的图像融合方法. 首先, 采用非下采样轮廓波变换对源图像进行多尺度、多方向稀疏分解; 然后对经典交叉视觉皮层模型进行改进, 改进后的模型不仅待定参数更少, 而且可以自适应地确定迭代次数; 最后利用其实现对各子图像的融合并进行非下采样轮廓波逆变换获得最终融合图像. 实验结果验证了该方法的有效性.     

基于NSST域的红外和彩色可见光图像融合

为了进一步提升彩色可见光和红外图像的融合质量,提出了基于NSST和颜色空间的彩色图像融合方法.首先将RGB空间的彩色可见光图像变换到更符合人类视觉系统的颜色空间,其次利用NSST可以更好提取图像细节信息的优势,对颜色空间的非彩色分量和红外图像进行NSST分解,对分解后的低频系数采用基于方向信息测度的系数选择方案,对高频系数则采用基于隐马尔可夫树(hidden Markov tree,HMT)模型的系数选择方案,然后对经过选择融合的低、高频系数进行NSST逆变换,得到的融合图像作为新的非彩色分量,结合已有的分量将其逆变换回RGB空间,得到最终的融合图像.仿真实验证明了方法的有效性.     

基于NSCT和IHS变换域的灰度可见光与红外图像融合方法

针对灰度可见光与红外图像的融合问题,提出了一种基于非下采样轮廓波变换(non subsampled contourlet transform, NSCT)和IHS变换域的自适应融合方法。该方法利用IHS变换域的有效分离图像亮度信息和光谱信息的优势,对灰度可见光图像进行彩色传递并得到亮度、色调、饱合度(intensity hue saturation, IHS)三个分量的值;然后通过NSCT变换分别对可见光图像的I分量和红外图像进行多尺度和多方向分解,并采用一定的融合规则得到融合图像的低频分量和高频分量,而后进行NSCT逆变换得到灰度融合图像并将其作为最终融合图像的I分量,最后进行IHS逆变换得到红绿蓝(red green blue, RGB)彩色融合图像。理论分析和仿真实验验证了该算法的有效性。     

基于局部混合滤波的SAR图像去噪

相干斑噪声是合成孔径雷达(synthetic aperture radar, SAR)成像系统所固有的缺点,严重影响SAR图像的可用性,给后续的图像分割、特征提取和目标识别等工作带来严峻的挑战。结合非下采样方向滤波器和双树复小波变换各自的特点,提出一种新的基于非下采样方向滤波-双树复小波变换的局部混合滤波SAR图像去噪算法,具有多方向和多尺度性,保持了图像的平移不变性,改善了图像的视觉效果。与其他算法不同,本文算法采用非下采样方向滤波器级联双树复小波的方法,不仅对每次产生的高频分量进行去噪,还对变换所产生的低频分量进行滤波去噪。实验结果表明：与使用同级双树复小波-轮廓波变换加软阈值去噪相比,本文算法的峰值信噪比提高2 dB;与使用轮廓波加循环平移（cycle spinning, CS）软阈值算法去噪相比,本文算法去噪后的图像不仅峰值信噪比有所提高,而且去噪后的图像更为平滑,抑制了人造纹理产生,视觉效果得到了明显改善。     

基于非下采样contourlet变换的图像边缘检测新方法

非下采样contourlet变换(nonsubsampled contourlet transform, NSCT)由于其平移不变性使得检测出的边缘定位准确。但是传统的基于非下采样contourlet变换的边缘检测结果中仍存在伪边缘,这是固定阈值选取不当所致。采用双阈值对高频子带中的模极大值进行筛选,用得到的两个矩阵进行补偿链接可以减少伪边缘。由于NSCT系数的结构特点,低频子带中也存在丰富的边缘信息,再用Canny算子对低频子带进行检测。仿真结果表明,基于双阈值的模极大值方法检测的高频子带细节丰富、定位准确、纹理清晰,Canny算子检测的低频图像边缘,轮廓完整连续,融合后的图像有效地抑制了噪声,消除了伪边缘。     

6通道MSVD构造及其在多聚焦图像融合中的应用

针对经典的奇异值分解(singular value decomposition, SVD)在图像处理中的不足,提出了一种6通道多尺度奇异值分解(multi-scale SVD, MSVD)的构造方法,并将其应用于多聚焦图像融合中。首先,在经典SVD的基础上,利用矩阵分块的方法,给出了一种6通道MSVD的构造方法。其次,对参加融合的多聚焦图像进行6通道MSVD分解,得到高层低频和各层5个方向的高频,对分解的低频子图像采用取平均、高频子图像采用区域能量取大的融合规则进行融合,并进行MSVD逆变换得到融合结果图像。最后,对融合结果图像进行主观分析和客观评价。实验结果表明该方法有好的视觉效果,融合结果图像有较高的清晰度和较丰富的边缘细节信息,且没有方块效应。从客观指标看,该方法有较高的清晰度和空间频率,其清晰度和空间频率比基于离散小波变换、基于提升小波变换、基于曲波变换和基于轮廓波变换的融合方法都高。     

基于区域和方向方差加权信息熵的图像融合

提出了一种基于非下采样Contourlet变换（nonsubsampled Contourlet transform, NSCT）的红外与可见光图像融合方法。首先对原红外图像进行图像分割,确定目标区域与背景区域,并将其映射到可见光图像中;然后对红外和可见光图像进行多尺度、多方向分解,分解后的低频部分在目标区域选择红外图像低频系数、在背景区域选择可见光图像低频系数,高频部分使用方向方差加权信息熵最大作为融合策略进行融合;最后对融合的系数进行重构得到融合图像。实验结果表明,本文算法在保留图像细节信息、增加信息量、方便目标检测方面都有显著地提高。     

基于NSCT变换的红外与可见光图像融合算法

分析了非子采样Contourlet变换滤波器组的设计与实现方法,提出一种基于非子采样Contourlet变换的红外与可见光图像融合算法。首先将图像作非子采样拉普拉斯金字塔尺度分解,并在各个尺度层对高频子带作非子采样方向分解;然后分别采用基于区域能量和区域方差的的融合规则得到融合图像的非子采样Contourlet低频系数和高频系数;最后再进行非子采样Contourlet逆变换得到融合图像。实验结果表明,该方法的融合效果优于àtrous小波变换方法和Contourlet变换方法。     

小波域多聚焦图像融合算法

研究了小波域多聚焦图像融合方法中滤波器、分解层数、融合规则的选取问题,提出一种基于小波变换的简单融合规则。利用小波变换将图像分解成最低频逼近和不同尺度、不同方向的高频细节信息,最低频逼近反映图像的平均信息,细节包含图像的边缘。根据多聚焦图像中细节信息互补的特点,对多个待融合图像简单地取模值较大的小波系数,得到了很好的融合图像。详细讨论了不同的小波滤波器、分解深度、融合算子对融合结果的影响。对小波域图像融合算法与其它一些多分辨图像融合算法:如Laplace塔、比率塔、对比度塔、梯度塔等进行比较,得到了一些定性结论,对该领域的研究和实验有一定的指导意义。     

基于贝叶斯模型的shearlet域SAR图像去噪方法

通过对合成孔径雷达(synthetic-aperture-radar,SAR)图像相干斑噪声的特点分析,提出一种基于贝叶斯模型的shearlet域SAR图像去噪方法。首先将变换后的SAR图像在shearlet域进行稀疏表示,得到稀疏系数的分布;其次利用贝叶斯模型进行信号和噪声检测的建模,得到最佳的阈值;然后根据稀疏系数在不同方向上相关性不同的特点,利用自适应加权收缩算法对SAR图像噪声进行平滑处理;最后利用降噪后的高频子图像和低频子图像进行逆shearlet变换,得到SAR重构图像。通过在MSTAR数据库上的实验表明,该算法在滤除相干斑噪声的效果上比其他方法更好,并且不会损失图像的边缘特性。     

基于四通道不可分提升小波的多聚焦图像融合

张量积小波及其提升小波只强调图像的水平方向和垂直方向的边缘,造成其在应用于多聚焦图像融合时结果图像的空间分辨率不高;而二维四通道不可分小波对图像进行融合时虽有较高的空间分辨率,但由于对图像进行分解和重构时采用了卷积运算,使得融合方法的运算量增大。针对上述问题,把二维四通道不可分小波滤波器组进行提升分解,并提出了一种基于此提升分解方案的多聚焦图像融合方法。首先,对二维四通道不可分小波滤波器组的多相位矩阵进行提升分解,并利用所得提升方案对源图像进行分解;其次,对分解后的低频子图像和高频子图像分别进行融合,得到融合金字塔;最后,做二维提升小波逆变换,得到融合后图像。利用熵、平均梯度和清晰度等客观指标对融合结果进行评价。实验结果显示,所建议提升小波融合方法比张量积小波和张量积提升小波融合方法及轮廓波融合方法有较高的清晰度,比提升之前的二维四通道不可分小波融合方法速度有了较大提升。     

基于非采样contourlet变换的多光谱和全色图像自适应融合算法

光谱保持和高分辨率保留是影像融合的两个重要问题。提出了一种自适应的基于非采样contourlet变换的多光谱和全色图像的融合方法。该方法在对多光谱影像进行IHS变换的基础上,对多光谱的I分量和高分辨率的全色影像分别进行非采样轮廓波变换(NSCT),然后对分解得到的近似分量以及各层金字塔各方向的细节分量利用本文提出的自适应基于局部特征的融合准则进行影像融合,通过非采样contourlet逆变换得到新的I分量,最后与H,S分量一起还原到RGB空间,得到融合后的高分辨率多光谱彩色图像。采用一组多光谱图像和全色图像数据进行融合实验,利用均值、标准差、熵、光谱扭曲度和相关系数5个重要评价指标对融合效果进行数理分析。实验融合图像的目视效果和统计指标均优于传统的IHS融和方法、小波融合方法以及contourlet变换方法。     

一种新的基于小波变换的图像融合方法

提出了一种新的基于小波变换的多光谱与高分辨率图像融合方法。该方法通过强度因子有效地将高分辨率图像经小波分解的低频分量信息融合到多光谱图像经小波分解的低频分量中去 ,使得经过小波反变换的融合图像较大程度地保留了多光谱图像的光谱信息和高分辨率图像的空间分辨率。给出了该方法的融合结果 ,并与小波变换法 (WT方法 )进行了比较 ,证明了该图像融合方法的正确性和有效性     

Multisensor image fusion algorithm using nonseparable wavelet frame transform

1.INTRODUCTION Withtherapidimprovementofsensortechnology,numerousmultisensordata,whichoftencontaincom plementaryandredundantinformationaboutthere gionsurveyed,areobtainedinmanyfieldssuchasre motesensing,medicalimaging,machinevisionand militaryapplications.Sensorfusionisincreasinglybe comingapromisingresearcharea.Itcanbedivided intosignal,pixel,feature,andsymbollevels.The papermainlyaddressestheproblemofpixellevelim agefusion.Throughcombiningregisteredimages generatedbydifferentimagingsyst…