几种基于小波变换的图像融合比较

本论文系统地比较了几种常用的基于小波变换的图像融合算法。论文首先从基于小渡变换的图像融合入手,系统的介绍了小波分析和研究了二维小波变换在图像融合中的框架及其应用。近年来,基于小波变换的图像融合是近年来国内外一个比较活跃的研究领域并在图像融合中占有重要的地位。系统比较不同的方法具有重要的现实意义。     

基于离散多小波变换的医学图像融合

研究了基于多小波的医学图像融合,在分析了CT图像和MRI图像特性的基础上,提出了基于离散多小波变换的图像融合框架模型。详细阐述了如何使用GHM多小波对2D图像实现分解———融合规则选择———多小波重构。与单小波不同,多小波分解前需要对图像进行预处理,以及重构后的后处理。文章的最后比较分析实验结果,证实了基于离散多小波变换图像融合相比于单小波融合方法的优越性。     

基于小波变换的多尺度图像边缘检测

边缘作为图像的最主要特征,成为图像信息获取的重要内容.而小波变换具有检测局域突变的能力,而且可以结合多尺度信息进行检测,因此成为图像信息边缘检测的优良工具.文章首先构造了高斯多尺度边界检测算子,然后根据信号边界与噪声边界的小波变换模值跨尺度传递的不同特性,讨论了不同尺度的检测算子检测的边缘所具有的特点,在此基础上提出由边缘传递、继承和生长构成的多尺度边缘关联融合算法.实验结果说明这种特征提取方法不仅有效地降低了噪声,而且融合的边界比较完整,定位准确.     

基于小波变换的图像处理技术研究

小波分析是继Fourier分析之后新的时频分析工具,它在科学研究和工程技术中的应用非常广泛。虽然小波理论现已比较成熟,但是近年来有关它的应用研究仍在不断发展更新。小波变换在图像处理领域中的应用几乎可以囊括图像处理的所有方面。本文对小波变换在图像去噪和图像融合两方面进行了研究。图像融合主要包括两个过程：数据准备与变换融合处理,前者的关键是影像预处理,而后者则主要采用不同的算法作进一步处理。图像去噪的应用主要研究小波阈值萎缩法。     

OPTFR多小波在红外／可见光图像融合中的应用研究

针对OPTFR(Optimum Time-Frequency Resolution,最优时频分辨)多小波,设计了一种平衡滤波器,将其应用于红外和可见光图像融合.对红外图像和可见光图像分别进行三层OPTFR多小波变换,提取两幅图像的低频分量和不同尺度的高频分量.由于图像的大部分能量集中在低频分量上,而不同尺度上的高频分量反映了图像在不同尺度上的细节信息,所以在对源图像融合时,对低频分量和高频分量分别采用能量和方差的加权平均进行融合,对这些融合后的分量进行重构,得到融合图像.仿真结果表明:和以往的融合算法相比,该算法强化了源图像的细节信息,提高了融合效果.     

基于二进小波变换的图像边缘检测算法研究

图像边缘是图像最基本的特征,是分析理解图像的基础.图像边缘信息的改变意味着图像基本内容或结构的变化.本文研究了利用二进小波变换的方法进行图像边缘特征提取,并通过图像边缘相关算子的理论区分边缘特征点和噪声,然后将不同尺度下的图像边缘特征点,根据小波变换模值跨尺度传递特性,进行多尺度下的图像边缘融合.实验结果表明,该方法克服了传统梯度运算对噪声的放大影响,同时也克服了单尺度下噪声抑制与边缘细节提取精度之间的矛盾.     

小波变换用于多分辨率的图像边缘检测

提出了一种用小波变换检测图像边缘的新方法。它基于小波变换多尺度方法分析图像局部的直方图内的信息,通过对小波变换后直方图内信号零交叉点的检测,得到一序列门限值点用于描述图像的边缘即可检测出图像边缘。选取不同的尺度可得到不同分辨率的图像边缘。文中介绍了小波变换用于图像边缘检测和基本原理,给出了小波变换的快速算法和实际检测结果。     

基于改进二进制小波变换的图像边缘检测算法

针对传统二进制小波变换在图像边缘检测应用中的不足，提出了基于改进二进制小波变换的图像边缘检测算法．该算法首先按水平、垂直和对角方向对图像进行改进的多尺度二进制小波变换，提取三个方向的小波系数，然后采用相邻尺度小波系数相乘的方法去除图像的噪声．再对去噪后的小波系数乘积极大值点进行检测，最后将这3个方向上的极大点进行融合，形成图像的边缘．     

小波变换模极大值多尺度边缘检测算法分析

文章利用小波变换和多分辨率分析的性质,从多尺度角度对图像边缘检测算法进行分析,总结出小波变换模极大值多尺度边缘检测算法。通过对标准图像Lena进行小波变换模极大值多尺度边缘检测结果发现,其比小波变换模极大值边缘检测算法和Canny算法在部分边缘检测中得到了更多的细节信息,使图像变得更真实。     

基于小波变换和灰色理论的多聚焦图像融合算法

在小波变换图像融合的基础上,针对融合规则的选择,本文设计实现了一种基于小波变换和灰色关联分析的多聚焦图像融合方法。该算法的基本思想是对待融合图像进行小波分解,然后低频系数采用取平均的方法,高频系数采用灰色关联度进行融合。实验结果显示,该融合算法得到的融合图像远景效果和近景效果均比较清晰,优于常见的融合方法。     

基于小波多尺度分解的肿瘤图像融合

提出了一种基于多尺度小波分解的图像融合方法,该方法利用小波变换对每一图像进行多尺度分解,对各分解层上不同频带的子图像采用不同的融合处理·在高频域内采用模板匹配方法计算出图像区域的统计平均值和方差,从而确定源图像在图像融合中提供信息的比例·在低频域内采用平均算子进行融合,以保留图像的背景信息·最后利用小波逆变换得到融合图像·并用这种方法成功地对肿瘤CT图像进行了融合处理,实验结果表明该融合技术是一种有效的方法,获得的融合图像更适合人们的视觉特性·     

一种基于四元数小波变换的图像融合方法*

目的基于四元数小波变换理论提出了一种新的图像融合方法。方法基本思想主要包括3步:首先,对图像进行四元数小波分解,得到各个尺度下的高频子带和低频子带。其次,对高频子带和低频子带分别采用区域最大值法和系数平均的融合准则,得到融合的四元数小波融合系数。最后,利用四元数小波逆变换得到融合图像。结果用所提方法得到了6组测试图像在主观和客观上的融合结果。结论实验表明,所提方法比离散小波变换、对偶数复小波变换和曲线波变换的图像融合方法更有效。     

基于小波变换的图像融合方法探讨与比较

图像融合是一个新兴的研究领域,如今,它已在计算机视觉、遥感、军事目标,海洋生物,工农业及医学图像等领域广泛地应用。随着小波变换理论的出现,它在图像融合中的应用已成为研究的热点,基于小波变换的融合算法也被不断推出,小波变换是一种时一频两域分析工具,具有良好的局部特性,能够获得较理想融合效果。本文研究的重点是基于小波变换的图像融合技术,分析了多种图像融合的技术,并对于优点和缺点进行了比较,进一步加以改进,以获得更好的融合效果。     

基于小波变换融合图像的全局运动估计新模型

像素运动的视频序列中全局运动方式占较大比重,这是由于摄像设备的移动所造成的.金字塔算法因为其工作原理会导致图像显示不稳定,小波变换对相关联的图像能进行有效的处理以克服图像融合技术金字塔算法的不足.提出了基于小波变换融合图像的全局运动估计的的新型模态,基于小波变换的多尺度结构可以通过融合不同图像的特征来解决.实验结果证明了该算法的有效性.     

小波变换及其在图像处理中的应用

小波分析是对傅立叶变换的继承和发展,在数字图像压缩,图像的边缘检测,信号分析,医学影像以及计算机视觉等领域有着广阔的前景,本文首先介绍了小波变换的基本原理,特别是多尺度分析理论,作为应用,分析了基于小波变换的图像消噪技术,并给出实例。     

多模态医学图像的融合研究

图像融合作为一种有效的信息融合的技术,已广泛用于医学图像、军事、遥感、机器视觉等领域．基于小波变换的图像融合是一种新的多尺度分解像素级融合方法,利用小波变换分别对CT,MRI医学图像进行分解处理,按照融合规则构造融合图像对应的各小波系数,再根据融合图像的各小波系数重构融合图像,重构后的融合图像完好地显示源图像各自的信息．实验图像使用互信息量化判据来评价融合效果,结果表明小波变换比传统的像素级加权平均融合算法效果更好．     

图像边缘检测二维小波算法研究与实现

边沿作为图像视觉的最主要特征，成为图像信息获取的重要内容。小波变换具有检测局域突变的能力，而且可以结合多尺度信息进行检测，因此成为图像信息边缘检测的优良工具。根据二维小波变换的特点,分析了利用二维小波进行图像边缘检测的基本原理，并设计了利用二维小波变换进行多尺度边缘匹配的检测算法。基于研究结果，编写了计算机应用程序，进行实例分析。     

基于小波变换的多层次图像增强算法

提出了基于小波变换的多层次图像增强算法.首先对图像进行4级小波分解,得到尺度系数和多个层次的小波系数;然后对不同层次的小波系数采用不同的增强算法进行处理,并对图像的尺度系数采用多尺度方法进行处理;最后用得到的小波系数和尺度系数进行逆变换得到增强后的图像.试验结果证明,该算法具有优于传统增强算法的增强效果和抗噪性能.     

基于离散多小波变换的多聚焦图像融合方法

多小波是小波理论的扩展,多小波变换能够为图像分析提供一种比小波多分辨率更加精细的方法。利用多小波将两幅图像进行融合后得到的融合图像,能够很好地将原图像的细节融合在一起。在研究离散多小波图像分析法基础上,提出了一种基于离散多小波变换的多聚焦图像融合方法。试验结果表明,该方法能够很好地解决多聚焦图像融合问题,具有良好的融合特性,得到的融合图像效果优于传统图像融合方法。     

基于边缘检测和小波变换的遥感图像融合算法

针对多光谱图像和全色图像的特点,提出一种边缘检测和小波变换相结合的遥感图像融合方法。该方法在传统图像小波变换的基础上,选择Canny算子对图像进行边缘检测。在小波域中,在各个尺度层对高频子带采用边缘检测,将边缘点完整保留,低频子带利用加权法,再进行小波逆变换重构融合图像。实验结果显示,该方法在保证光谱信息的同时,能有效地突出边缘细节,更好地保持图像的空间分辨力。与传统小波变换法遥感图像融合相比,信息熵提高了6.63%,清晰度提高了32%,相关系数提高了0.36%。