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。     

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。     

基于双树复小波变换的夜视图像融合

针对夜视图像融合的特点:尽量获得精确的特征定位和清晰的图像表达,提出了基于双树复小波变换的融合方法,充分利用了双树复小波变换所具有的平移不变性、方向选择性、有限的数据冗余、完美的重构性和较高的计算效率等特点。并在此基础上提出了多策略的融合规则:低频采用清晰度,高频采用窗口能量。除了目视定性评价外,还使用了通用的基于主客观的定量评价方法。通过对两组夜视图像融合的实验测试,表明了双树复小波变换相对于离散小波变换的优势和高低频采用不同融合规则的有效性。     

一种新的图像脆弱水印算法

提出一种基于小波变换和QR分解的图像脆弱水印方法。嵌入水印时，首先对原始图像进行三级小波分解，然后提取第三级低频子带的边缘特征，同时对此边缘特征和第三级垂直高频子带进行QR分解，用边缘特征的一部分分解结果替换垂直高频子带分解结果的相应部位未嵌入水印，最后进行小波逆变换得到嵌入水印的图像。图像认证时，首先对观测图像进行三级小波分解，第三级垂直高频子带与低频子带边缘特征的QR分解结果进行比较，就可以准确认证图像是否经过攻击，并可以精确定位受攻击的部位。实验结果表明此方法的有效性和可行性。     

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     

基于NSST域灰度关联分析的多聚焦图像融合方法

根据多聚焦图像的成像特点,并利用非下采样剪切波变换(non-subsample shearlet transform,NSST)在图像融合领域的优势,将非下采样剪切波变换运用于多聚焦图像融合.由于NSST会将图像分解为一幅低频图像和若干幅高频图像,对于低频图像采用了基于标准差的融合策略,而针对高频图像的特点,利用灰度关联分析在图像融合中的优势,将其运用在高频图像的融合中.后将低频图像和高频图像的融合图像进行NSST的逆变换后得到了融合图像.计算机仿真实验表明:相比于传统的剪切波交换,本文提出的图像融合方法提高图像的融合质量,增加了图像的信息量,具有一定的有效性和实用性.     

基于小波提升和形态学的图像边缘检测方法

提出了一种基于小波提升和形态学的图像边缘检测方法。对源图像进行小波分解,用数学形态学法对低频子图像进行边缘检测,用小波变换法对不同分解层上的高频子图像进行边缘检测,采用一定的融合规则将这两个边缘图像融合在一起得到一幅完好的边缘图像。这种边缘检测方法结合了小波提升法和数学形态学法的优点,对用这两种方法得到的边缘信息进行融合,有效地抑制了噪声,且边缘连续、清晰。实验结果表明,提出的这种结合方法优于单独使用数学形态学法或小波提升法。     

基于两通道不可分a trous-Curvelet变换的遥感图像融合

以同一场景多光谱和全色图像为研究对象,提出了一种基于两通道不可分矗trous-Curvelet变换的遥感图像融合算法.算法首先结合à trous小波变换和Curvelet变换的优点,构造出两通道不可分à trous-Curvelet变换方法,并将其与IHS变换相结合对图像进行多分辨率分解,然后依据高、低频层系数的特点采用不同的加权融合规则进行融合,最后用IHS逆变换得到融合图像.实验结果表明,相比于常用的基于小波变换等融合算法,新算法在光谱信息的保持和空间信息的增强上取得了更好的效果.     

多聚焦图像融合中最佳小波分解层数的选取

小波变换作为一种十分有效的信号处理方法已被应用于多聚焦图像融合系统中。但其中需要解决的一个问题是最佳小波分解层数的选取。通过大量的实验 ,总结出基于小波分解子图像面积比和低频带均方根误差两个标准来确定最佳小波分解层数的方法。实验结果表明 ,无论是依据均方根误差、灰度平均误差、熵、空间频率等客观评价标准 ,还是视觉的主观评价 ,所提出的选取方法都是有效可行的     

四元数小波变换联合稀疏表示的图像融合

基于四元数小波变换和稀疏表示理论,提出了一种图像融合方法,该方法弥补了传统的多尺度理论分析和稀疏表示理论在融合过程中的不足。所提方法分为3步:首先,利用四元数小波变换分解所给的源图像,得到各个尺度下的高通子带和低通子带;其次,对高通子带选用系数绝对值最大和低通子带采用稀疏表示的规则进行融合，获得融合系数；最后,对融合系数进行四元数小波逆变换得到融合图像。此外,对所提融合方法进行了理论分析。在数值实验中用6组测试图像测试所提方法性能,并将融合结果与稀疏表示、离散小波变换、对偶数复小波变换、四元数小波变换等融合方法所得结果进行了主观与客观的比较。实验结果表明,该方法是十分有效的。     

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。     

利用小波变换与SVD识别振动系统模态频率

针对从受噪声污染的脉冲响应信号和快速正弦扫频响应信号中识别振动系统的单模态和多模态的频率问题,将小波变换与奇异值分解(SVD)相结合,利用基于小波变换的能量分布函数,进行奇异值分解后,根据最大奇异值,求出主分量,然后通过主分量对应的尺度图或频率计算公式,识别出模态的频率。仿真结果证明了该方法的有效性和可行性。     

多光谱和全色图像融合适用的超复数主元加权方法

提出了一种适用于多光谱与全色图像融合的超复数主元加权方法.该方法首先对全色图像的每个像素值进行矢量化,然后对由RGB表示的多光谱图像和矢量化的全色图像分别用超复数矩阵进行表示,该表示方法考虑了由RGB表示多光谱图像的矢量性,从而避免了IHS和PCA融合方法由于忽视多光谱图像的矢量性而导致的色彩失真.通过对超复数矩阵表示的全色图像和多光谱图像分别进行超复数奇异值分解,分别获得了这两个超复数矩阵的超复数奇异值,并对得到的奇异值进行主元分析,提出了用最大特征值对应的特征向量作为权值进行加权图像融合的方法.分析和仿真的结果表明:提出的方法不存在人眼可见的光谱畸变.而用各种现有图像融合评估方法的评估结果也表明:提出的方法优于IHS、PCA和小波变换等融合方法.     

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…