一种基于小波变换的超光谱图像融合方法

超光谱图像小波融合是一个前沿的研究课题．在保留超光谱图像中各波段的光谱信息基础上，为增强边缘细节的表现能力，提出了基于小波变换的方差加权融合方法．并将融合结果与传统小波融合方法进行了比较．计算机仿真表明，该方法获得了更好的超光谱图像融合效果．     

基于空间频率和小波变换的图像融合方法

为了更好的对多光谱图像和高分辨图像进行融合，根据小波变换有三个方向的高频细节这．特点，提出了一种计算空间频率的新方法。利用这种空间频率、IHS和小波变换方法对多光谱图像和高分辨图像进行了融合，得到了具有较好的空间分辨率和光谱信息的融合图像，并对融合图像进行了评价。实验结果表明该方法得到的融合图像优于传统IHS变换法和传统小波变换方法。     

基于改进自组织竞争神经网络的高光谱图像分类

针对传统的SOFM网络对高光谱图像分类精度低的缺点,提出了采用模糊积分与神经网络相结合的分类方法．即在改变网络的学习速率函数和邻域函数的前提下,同时对分类结果采用基于模糊积分的信息融合,使分类器之间相互补偿,并用高光谱图像的分类实验进行验证．与普通的SOFM网络和K均值聚类方法相比较,分类效果更好．     

一种基于HSI和小波变换的遥感图像融合方法

在对同一地区低分辨率的多光谱图像与高分辨率的全色图像的融合中,单独采用传统的HSI(hue-saturation-intensity)图像融合方法会出现颜色失真问题和传统的小波融合中存在分块模糊现象.为了改进融合效果,本文提出了一种新的融合方法,将HSI和小波变换进行有机结合,首先通过HSI变换获得多光谱图像的亮度成分,采用改进的基于主分量分析方法的融合规则将它与全色图像进行小波融合,得到新的亮度分量.将新的亮度分量进行增强处理后,进行HSI逆变换获得最终融合图像.实验结果证明,该方法不但提高了融合图像的空间分辨率,突出了目标的特征信息,而且更好地保留了原有多光谱图像的光谱性质.     

基于Kalman滤波与多特征模糊聚类的图像融合

为了减低图像的噪声，保留有用的信息，获得更为可靠的融合图像，将Kalman滤波引入图像融合中，提出基于Kalman滤波与多特征模糊聚类的图像融合算法．该方法结合滤波和多特征优点，实验结果表明了该方法的有效性．     

一种基于局部方差相似度的自适应图像融合算法

针对现有多光谱和全色图像融合算法空间和光谱特性难以兼顾的问题,文章提出了一种基于局部方差相似度的自适应图像融合算法,通过局部方差相似度自适应选择融合规则来改善现有问题。首先对多光谱图像主成分分析(principal component analysis,PCA)变换后的第一主分量和全色图像进行小波变换;其次根据系数矩阵局部方差相似度在2选1和加权平均之间自适应选择小波系数融合策略;最终由对应的逆变换获取融合图像。实验采用Landsat7和QuickBird卫星数据进行算法验证,并与基于PCA变换、小波变换(wavelet transform,WT)、基于局部算法的改进小波算法和自适应IHS(intensity hue saturation)算法进行比较分析。实验结果表明,该方法在提高融合图像空间和光谱质量上,综合性能优越。     

基于二进小波变换的遥感图像融合方法

为了充分利用遥感图像的信息,在分析以往图像融合方法优缺点的基础上,针对多光谱与全色图像的融合,提出了基于二进小波变换的融合方法,将各源图像进行二进小波分解,根据低频和高频分量的特点,按照各自的融合算法融合源图像的各分解层。再进行小波逆变换得到融合图像。利用信息熵等标准与其他融合方法进行比较,实验结果证明该融合方法较常用的正交(双正交)小波融合算法有更好的融合效果。     

遗传模糊系统的分类器融合

将遗传模糊系统引入分类器融合，并且提出了一种快速的遗传模糊系统设计方法，在该方法中对传统的产生初始群体的方法和交叉操作进行了改进．本文方法在从ELENA数据集和UCI数据集中选择的3个大样本数据集上进行了测试，与当前有代表性的分类器融合方法进行了比较实验．实验结果表明，该方法在缩短训练时间以后仍然能够得到模糊规则数少，分类精度高的分类器融合系统．     

ETM+(TM)数据在土地利用动态监测中的应用

对研究区两个时相的ETM (TM)影像进行土地利用分类,分别采用分类后比较法、图像差值法、光谱特征变异法等方法进行了土地利用变化信息的发现和提取.结果表明:各种动态监测方法中,基于图像融合的光谱特征变异法效果最好,在采用该方法获得的融合图像中,对新增的线状地物,可识别出的最小宽度为9.8 m;新增的面状地物,可识别的最小面积为1 000 m2左右.该融合图像可以作为土地利用动态监测的指导数据.     

小波变换在紫外图像融合中的应用

紫外双光谱成像技术是光谱技术和成像技术的合成,是针对军事需求而发展起来的新型检测技术,图像融合是该技术的重要组成部分。小波理论是近十几年来迅速发展的一门学科,已得到了广泛的应用。小波变换具有良好的时频特性,为图像融合提供了一种新手段。根据双光谱图像融合的需求,介绍了利用小波理论进行图像融合的方法、特点和效果。仿真结果表明,该方法能够满足紫外检测系统的需要。     

基于TMS320DM642 EVM板的可见-紫外图像边缘检测研究

图像的边缘是图像的最基本特征之一。边缘检测可以应用在基于特征相关的图像配准方法中。根据在紫外检测中可见光与紫外图像配准、融合的实际需要,利用双光谱图像检测系统,在TMS320DM642评估板上用Sobel算子实现了对可见-紫外图像的边缘检测．为系统的图像配准提供了边缘检测的方法。     

双能量摄影胸片图像的小波融合方法

根据双能量摄影胸片图像的各自特点，采用一种新的基于小波能量尺度分析算法，有效实现了基于像素级的多模图像融合。通过对同一病人双能量摄影下的胸片图像的实际应用，表明基于该方法的医学图像融合方法能有效地集中原始多源图像的优点信息，融合图像较清晰且方法简单、实用，并可用于其他图像融合处理上。     

小波变换在图像分割中的应用研究

在讨论基于小波变换的阈值分割算法的同时,提出了Canny算子和小波变换的边缘信息融合的图像分割方法,以及利用小波变换对图像纹理进行分解、特征提取,然后利用模糊C-均值聚类(FCM)进行纹理分割的方法;探讨了各种分割方法的特点、应用范围、及图像分割技术的发展方向.     

一种基于模糊集和小波变换的图像融合方法

提出了一种基于小波变换和模糊集的图像融合算法 .其基本思想是 :首先对图像进行小波变换 ,获得图像的低频和高频分量 ;随后在融合过程中 ,对低频和高频分量采取不同的融合策略 ,即对低频分量采用平均能量法进行融合 ,对高频成分利用图像的模糊集 ,寻求一个模糊隶属函数作为融合算子进行融合 ;最后再对融合后的图像进行小波反变换 ,重构出融合后的图像 .实验结果证明了方法的有效性 .     

双波段红外图像融合的小波分维算法

针对双式红外(中红外和长红外)提出了一种基于小波的分维融合算法.通过小波变换,分别对中波红外和长波红外的两幅图像进行小波分解,在小波变换域低频部分对小波系数用能量融合,高频部分采用分形分维进行融合,得到变换域中各个频带的融合图像,然后反变换进行重构,获取融合后的图像.实验结果表明,根据用分维进行数据融合的方法来确定两幅不同原图像在融合图像中所占的信息比例,可以有效地保留两幅原图像的边缘和纹理特征,避免融合图像平均化而出现的模糊现象,融合后的图像综合了两幅原图像的不同特征,使得处理后的图像更容易识别.因此,提出的双波段红外图像的小波分维融合算法是有效的,并且可以取得较好的效果.     

一种基于区域的图像融合新方法

提出了一种基于多通道Gabor滤波器和FCM聚类的图像融合新方法.该方法先利用模糊C-均值聚类算法在多通道Gabor滤波器形成的特征空间上对图像进行区域分割;再对待融合图像进行多尺度小波分解;在此基础上利用Gabor滤波器提取高频段纹理特征构造区域相似度,应用区域相似度及信息量构造加权因子,从而得到融合图像的小波系数;最后,利用小波逆变换得到融合图像.评价融合算法的性能采用了均方根误差、峰值信噪比、熵、交叉熵、互信息5种准则.研究结果表明,该方法具有良好的融合特性.     

光学Haar小波变换的数值模拟

以Haar小波为例,对光学小波变换过程进行数值模拟．模拟程序包含原图像的读取、Haar小波的构造、频谱变换、空间匹配滤波等内容,能够模拟Haar小波对图像边缘增强过程．通过改变Haar小波的宽度,分析了不同尺度小波的光学变换结果．同时,还提出了Haar小波的二次滤波方法,图像的边缘得到进一步增强．     

像素级多模式医学图像融合研究

采用小波变换算法,对颅脑计算机断层成像(CT)与核磁共振成像(MRI)的图像进行融合.将两幅源图像分别进行小波分解,然后取两幅图像小波系数矩阵对应元素的最大绝对值构造小波系数矩阵,进而重构融合图像.结果表明,融合生成的图像中软组织和骨骼均十分清晰,能提供反映原始图像中更为全面的、互为补充的多重信息,对颅脑病变的定性、定位研究有实用意义,从而具有重要的临床应用价值.     

基于加权小波分析的遥感图像融合算法

提出一种基于加权小波分析的遥感图像融合算法. 首先在光照色度饱和度空间上提取多光谱图像的光照强度分量, 对光照强度分量进行主成分分析获得修正的光照强度, 再将修正的光照强度与小波分析高频区域进行加权融合, 最后进行小波分析与光照色度饱和度空间逆变换获得遥感图像的最终融合结果. 该方法有效解决了在低频空间分辨率与高频空间分辨率的图像融合过程中, 小波分析方法丢弃低频分量易产生分块模糊现象, 且主成分分析方法易产生光谱图像信息域失真的问题. 在不同场景遥感图像的融合上进行仿真实验, 结果表明, 该算法在一定程度上解决了图像融合后边缘模糊、 融合结果中出现模糊块状阴影等问题, 并在清晰度、 纹理细节和真实性上获得了较大提升, 且能针对不同的融合需求调整合适的加权系数, 使遥感图像的融合达到最佳效果. 在光照色度饱和度空间, 加权小波分析进一步提升了遥感图像融合的效果, 不仅充分表达了各种遥感图像的细节, 而且能较好地保留原始光谱信息.