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。     

二维不可分滤波器级联小波的图像去噪算法

针对目前数字图像处理中的图像多方向信息提取问题,提出了一种利用二维不可分滤波器提取多方向信息的小渡域图像去噪算法.该算法首先设计两个具有方向性的二维不可分滤波嚣,然后通过小波变换简单有效地提取了图像六个方向上的方向信息,最后用带有椭圆型方向窗的小波域局部阈值维纳滤波算法对含噪图像进行去噪.通过仿真实验表明,图像多方向信息的提取简单有效,且去噪效果相比于已有的基于二维可分小波的图像去噪算法有了显著的提高.     

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.     

基于自适应提升小波变换多分辨率数据融合

建立了基于小波去噪的多分辨率多传感器数据融合模型 ,引入了提升法自适应离散小波变换 ,根据最小均方 (LMS)自适应法确定伯恩斯坦 (Bernstein)提升滤波器的权系数 ,使其匹配低分辨率传感器的数据序列 ,接着使其对高分辨率采样数据的小波分解的尺度系数进行数据更新 ,实现不同分辨率数据的融合。最后对不同分辨率三传感器测量系统进行了数值仿真。实验结果表明 ,该方法可以有效地实现多分辨率多传感器数据融合 ,而且消除了噪声干扰 ,提高了系统的测量精度。     

基于有限脊波变换的图像融合方法

针对小波变换在进行图像处理时不能有效表示直线/曲线的奇异性问题,研究了能够很好表示二维或更高维奇异性的有限脊波变换的基本原理,讨论了将有限脊波变换应用于图像融合的可行性,提出了基于有限脊波变换方法进行图像融合的基本架构,并对变换系数的设置与融合过程的处理进行了详细说明。仿真实验的主客观性能比较表明,基于有限脊波变换的图像融合方法比基于金字塔变换和基于小波变换方法的融合效果要好得多。     

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。     

基于多小波分布熵的图像检索

为了提高小波直方图的检索性能,提出基于多小波信息分布熵的图像检索算法。对检索图像进行多小波分解,并用滤波器对各个子图进行非线性滤波,计算多小波各子带的能量熵;对各子图的小波能量矩阵进行0/1量化,然后以各子带相同方向子图计算多小波分布熵;针对特征向量进行高斯归一化,利用欧氏距离计算不同图像间的纹理相似度。基于内容的图像检索试验表明,该方法的检索精度比快速小波直方图方法提高了9.7%。     

基于小波和脊波的图像联合去噪方法

为了在图像去噪时更好地保持细节特征,提出了联合小波和脊波的阈值去噪方法。在含噪图像小波分解后,对每一尺度下三个高频子带的细节分量进行单层逆变换,得到该尺度下的细节图像。对细节图像进行脊波阈值去噪处理,然后再进行单层小波分解。用所得的高频子带分别代替先前小波分解所得的高频子带。最后对处理后的图像小波系数进行小波逆变换,得到去噪图像。实验表明,在处理具有直线特征的图像时,该方法要优于单纯的小波或脊波阈值方法。     

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     

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。     

基于Curvelet变换的多光谱图像与全色波段图像融合

为了使融合后的多光谱Ms图像在保持原始Ms图像光谱特性的同时,最大可能地提高空间分辨率,提出了一种基于Curvelet变换的遥感影像融合算法。该算法首先采用Curvelet变换提取全色波段Pan图像的空间细节信息,然后采用基于内容的注入模型将提取的空间信息局部调整后添加到各波段Ms图像中去,得到具有高空间分辨率的Ms图像。算法在有效避免融合后Ms图像光谱失真的同时,能够显著提高融合图像的空间质量。采用IKONOS卫星遥感影像进行了仿真实验,实验结果结果表明,该算法在光谱保留和空间质量提高方面比传统的基于小波变换融合算法具有更高的性能。     

一种新的基于小波对比度的图像融合算法

改进了局部小波对比度的定义。基于新的对比度的融合过程,选择系数时针对融合图像的视觉重要性,而不是孤立地在单幅源图像上计算的视觉重要性,因而对于融合图像更加有意义。图像融合过程采用了"选择"和"加权平均"混合的系数选择规则,在充分保留显著图像细节信息的前提下,进一步增强了算法的稳定性。仿真结果及客观分析表明,基于改进小波对比度的图像融合算法能具有明显的提高。     

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…     

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。