一种小波加权局部对比度的医学图像融合方法

针对利用小波变换进行医学图像融合存在的问题,提出一种基于小波变换的加权局部对比度的医学图像融合方法,该方法在低频子带采用区域标准方差的融合规则.由于人类视觉系统对局部对比度比较敏感,高频子带根据小波变换的方向特性采用加权局部对比度的融合规则,结合人眼视觉特性给出了加权局部对比度的系数选择方案,该规则更加符合生理视觉的特性.实验结果表明:该方法与传统融合方法相比,得到具有更好视觉效果和更优量化指标的融合图像.     

静态小波域内特征对比度多聚焦图像融合算法

针对多聚焦图像融合问题,提出了一种新的基于提升静态小波变换(lifting stationary wavelet transform, LSWT)的多聚焦图像融合方法。对经LSWT分解得到的不同频域子带系数采用不同的系数选择方案。在融合低频子带系数时考虑到人眼视觉对图像局部对比度比较敏感的特性,引入了一种新的局部特征对比度的概念,并给出了低频子带系数的选择方案。在融合高频子带系数时,充分考虑到人眼视觉对图像边缘细节比较敏感的特性而对单个像素的亮度不敏感的特性,引入了一种适应于高频子带系数的特征对比度的概念,设计出一种基于特征对比度的系数选择方案。实验证明,算法相对于传统的基于图像对比度的图像融合方法,能够提取更多的有用信息并注入到融合图像中,得到视觉效果更好,更优量化指标的融合图像。     

一种新的基于局部小波统计特性的多聚焦图像融合算法

改进了局部小波对比度的定义.提出一种利用小波变换实现多聚焦图像融合的方法.基于新的对比度的融合过程,由源图像上计算的视觉重要性构造融合图像对应的小波系数,因而融合图像更符合人的视觉特性.仿真结果利用熵、交叉熵、均方根误差对该方法的融合性能进行了评价与分析,实验结果表明,该融合方法充分保留图像的细节信息,并具有良好的稳定性.     

一种基于视觉阈值特性的图像融合方法

在分析和比较拉普拉斯金字塔与低通比率金字塔图像融合方法的基础上,结合对于人类视觉特性的了解,提出一种基于视觉阈值特性的金字塔图像融合方法. 该方法要求当目标亮度位于其阈值之上并且不同源图像目标对比度极性相同时,采用对比度指标确定融合要素;否则,采用绝对值指标确定融合要素. 实验结果表明,该方法既可以增强融合图像的对比度信息,又能有效避免低通比率金字塔方法中有时出现的斑点噪声,所需的额外计算量小,因此适用于要求实时性的融合领域.     

基于多小波域变换和分形维数的图像融合算法

为了充分利用图像的纹理特征,本文将多小波变换方法和分形理论相结合,提出了一种新的基于多小波变换域方向对比度和分形维数的图像融合算法.该图像融合算法首先通过多小波变换进行原始图像分解,然后采用差分和维数法计算分形维数相应的低频分解系数,建立基于分形维数的低频融合规则,高频部分则根据方向对比度的值通过选择法或加权平均法进行融合计算.该算法对IR图像和可见光图像进行融合实验,采用图像熵、标准偏差以及质量度量这些客观指标评估图像融合的质量.实验结果表明,把分形维数与多小波变换方法相结合进行图像融合处理,图像融合质量和效率都明显提高.     

初级视皮层机制启发下的特征提取

针对传统计算机视觉方法在纹理细节提取和局部运动感知方面的局限性,借鉴生物视觉系统的强大信息处理机制,提出一种基于三维时空能量模型的初级视皮层(V1)视觉模型。模型首先利用三维Gabor滤波器初步模拟得到简单细胞感受野,接着采用半波整流操作进一步得到简单细胞模型,随后通过能量模型整合简单细胞感受野进行,模拟得到复杂细胞模型。仿真结果表明:所提模型在图像静态纹理特征和简单视频序列运动特征提取上取得了较好的效果。较传统模型而言,模型将计算机视觉与生物视觉有效融合,具有更强的动静态特征表达提取能力,体现了V1细胞强大的信息处理机制,为视觉脑启发计算提供新的思路。     

基于NSST与改进稀疏表示的医学图像融合方法

针对单一模态的医学图像无法为临床诊断提供全面、 互补信息的问题, 提出一种基于非下采样剪切波变换(NSST)与改进稀疏表示(ISR)的多模态医学图像融合方法. 首先用NSST分解工具将待融合图像分解为一个低频子带和若干个高频子带; 其次, 用ISR方法融合低频子带, 通过Sobel算子和引导滤波器去除低频子带的细节特征, 从而提高低频子带的融合效率, 同时对高频子带采用绝对值最大的融合规则进行融合; 最后, 将融合后的低频子带和高频子带进行逆NSST变换得到最终的融合图像. 实验结果表明, 该方法在主观视觉性能和客观评价上均优于其他对比融合方法.     

基于NSST与改进稀疏表示的医学图像融合方法

针对单一模态的医学图像无法为临床诊断提供全面、 互补信息的问题, 提出一种基于非下采样剪切波变换(NSST)与改进稀疏表示(ISR)的多模态医学图像融合方法. 首先用NSST分解工具将待融合图像分解为一个低频子带和若干个高频子带; 其次, 用ISR方法融合低频子带, 通过Sobel算子和引导滤波器去除低频子带的细节特征, 从而提高低频子带的融合效率, 同时对高频子带采用绝对值最大的融合规则进行融合; 最后, 将融合后的低频子带和高频子带进行逆NSST变换得到最终的融合图像. 实验结果表明, 该方法在主观视觉性能和客观评价上均优于其他对比融合方法.     

Framelet变换结合HSV的多模态图像融合方法

为了获得轮廓清晰、细节丰富的多模态医学图像融合结果,提出framelet变换结合人类视觉系统(HVS)的图像融合方法.首先,将所有输入图像分解为低频和高频图像;然后,根据不同频率图像的物理意义融合图像和人类视觉系统,提出两种基于HVS的图像融合规则,分别用于融合低频和高频图像,即使用可见性融合方法融合低频图像,使用HVS模型的纹理信息融合高频图像;最后,通过反变换将所有framelet变换图像重建为融合图像.实验采用CT/MRI两种模态的脑部图像,以及老年痴呆临床PET/MRI图像,与主成分分析法、对比度法、梯度金字塔法、小波变换法和轮廓变换法相比,提出的方法融合结果在熵、互信息等多个评估标准上均有较大提升,可视化信息更加丰富.     

基于平移不变剪切波变换的医学图像融合

传统的基于剪切波变换的融合方法在融合图像的奇异处易产生伪吉布斯现象.为此,文中提出了一种基于平移不变剪切波变换的医学图像融合新方法.该方法利用平移不变剪切波变换将待融合的医学图像分解成低频子带和高频子带,并使用基于区域系数绝对值和权重的规则融合低频系数；对于高频子带,提出一种基于支持向量值激励的自生成神经网络的高频子带...     

基于视觉特性的多尺度对比度塔图像融合及性能评价

针对同一场景可见光与红外图像的融合问题，提出了一种新的多尺度对比度塔图像融合方法．该方法利用对比度金字塔数据结构得到图像的多分辨序列，采用基于视觉特性的融合算子在图像的相应各级上融合源图像的细节，再通过金字塔逆变换重构出最终融合图像．这种图像处理方法具自适应性，不随各自输入图像的灰度特性而改变，同时增强了融合图像的对比度，产生了较好的视觉处理效果．对熵、交叉熵和互信息3种量化评价标准的进一步分析表明，该方法比传统的Laplacian金字塔、比率低通金字塔和小波变换融合方法的性能更加优化，其中熵提高了0．5％～3％，交叉熵降低了13％～78％，互信息提高了1．8％～8．4％，评价结果与目视效果吻合良好．     

基于边缘增强的多聚焦图像融合方法

提出一种基于边缘增强的多聚焦图像融合方法,对需要融合的2幅图像进行小波多尺度分解,根据绝时值最大的方法对高频细节分量图像进行融合,通过增强和提取原始图像的边缘信息强度指导低频近似分量的融合,以此突出融合图像中的边缘信息．采用信息熵和标准差等评价指标对该方法进行客观评价．结果表明：该方法融合效果良好,可以更好地突出低频域边缘细节信息,提高融合图像的清晰度,改善视觉效果．     

视皮层假体中的视觉信息编码方法研究

视皮层假体的研究对眼科医学具有重要的意义;设计了一种视皮层假体的结构,提出了一种基于视觉机理的图像信息编码策略;实际图像的仿真结果表明,本方法在保证图像质量的前提下,能采用更少的神经元来表征自然图像中的重要信息,为减少植入皮层刺激电极的数量提供了理论参考.     

基于小波变换的自适应图像融合算法

在分析已有小波图像融合方法的基础上,针对高、低频融合规则的选择问题,提出了一种基于小波多分辨率分解的图像融合算法。该算法对小波分解后的低频子图像采用基于主成分分析的低频融合规则进行融合,而对高频子图像采用系数绝对值取最大和基于局部均值方差最大化的融合规则进行融合。实验结果表明,该方法提高了融合图像包含的信息量,最大可能地消除了局部对比度极性反转的情况,明显地增强了融合图像的清晰度,而且很好地保留了源图像中的边缘细节。     

利用统计特性进行图像融合效果分析及评价

研究图像融合的客观效果评价。利用图像的统计特性,即均值、标准方差、熵、交叉熵进行融合图像分析及效果评价的方法,并以多尺度对比度金字塔图像融合方法为例,就同一目标可见光与红外图像融合的具体情况,对融合层数不同的结果图象进行分析和评价。评价结果与理论分析结果、目视效果相吻合。统计特性是一种客观和实用的对融合图像效果进行分析及评价的方法。     

基于加权结构相似度的图像融合质量评价

利用结构信息理论,提出了基于加权结构相似度的图像融合质量评价方法.该方法充分考虑了图像的结构信息和人眼的视觉特性,无需标准参考图像,可以为不同场合下选择不同的算法提供依据.不同融合算法的质量评价结果表明该方法是有效的.     

基于低分辨率图像约束的BTV图像去模糊算法

多帧图像超分辨率重建算法为了简化算法复杂度,将整个图像重建过程分为数据融合与图像去模糊两步.然而,数据融合过程会丢失一些弱小细节信号,直接使用常规图像去模糊方法是无法将其复原的.为此,提出将低分辨率图像约束（LRIC）引入基于双边全变分（BTV）的图像去模糊优化,并利用梯度下降法求解,获得了BTV-LRIC算法.实验表明,对于不同图像内容或数据融合算法生成的数据融合图像,BTV-LRIC法获得的复原图像在视觉效果和客观评价上均优于TV法和BTV法.      

基于双通道PCNN的NSST域红外与可见光图像融合

针对传统红外与可见光图像融合中存在的一些不足,提出一种新的基于非下采样剪切波变换(NSST)和双通道脉冲耦合神经网络模型(2APCNN)的红外与可见光图像融合算法.该算法首先对红外图像进行预处理,提高源图像的对比度,再对红外与可见光图像进行NSST分解得到低频和高频子带系数;然后对分解后的低频子带系数进行二维小波分解再次得到相应的低频和高频子带,低频部分采用一种基于显著图的融合策略,高频部分采用绝对值取大的原则,之后再对低频和高频采用小波逆变换得到NSST重构所需的低频部分;接着对NSST分解后的高频子带采用双通道PCNN进行处理;最后对处理过的低频和高频子带进行NSST逆变换得到最终的融合图像.几组图像的实验结果对比显示,该算法相比其他算法在客观评价指标和视觉效果上均取得了一定的改进.