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．     

多源遥感图像的分层融合研究

为了更有效地实现目标识别，采用了像素产像融合方法，该方法简单，易于实现，其中低通对比度金字塔融合和多尺度对比度增强融合采用金字塔法实现，实验结果显示多尺度对比度增强的融合效果优于前者，但采用金字塔法有一个不可避免的缺陷，就是在做子采样时由于频率混效应而可能引进噪声，而非金字塔式分层融合技术则避免了金字塔法的这种缺陷，能得到更好的融合图像。     

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.     

基于非线性局部滤波的红外小目标检测方法

为提高复杂环境下红外小目标的检测效率,将图像分为平坦区域、边缘区域和小目标区域三种区域,并针对三种成分的特点,提出基于拉普拉斯金字塔的非线性局部滤波检测方法。首先将图像进行高斯金字塔分解,将高斯低通金字塔与原图像尺寸匹配后,相减并进行阈值操作,抑制平坦区域;其次将标记像素灰度值与其周围环域均值的最小差作为指标,滤除边界区域;最后将非线性局部滤波结果生成相应的拉普拉斯金字塔各层系数,重构得到高对比度的检测图像,利用邻域特点剔除孤立噪声点并通过简单阈值标记红外小目标。实验结果表明：与现有其他算法相比,该检测算法能够对复杂背景有效抑制,检测速度快。     

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。     

对拉普拉斯金字塔和对比度金字塔图像融合方法的性能比较

图像融合作为信息融合的一个重要领域 ,已经广泛应用于遥感、计算机视觉、医学、军事目标探测和识别等方面。因此 ,探索有效的图像融合算法是当前的热点课题。近年来有不少学者提出了各种图像融合的方法 ,归结起来占主流的是源于多分辨率的方法 ,这类方法一大类是基于图像的高斯金字塔分解 ,然后派生出拉普拉斯金字塔 ,对比度金字塔等 ;另一大类是基于小波分解的算法 ,基本思想是把图像分解到不同分辨率下的一系列子图像 ,其中每一级包含一个包含了低频信息的模糊子图像和三个行、列、对角线方向上的高频细节子图像。这两类方法的共同之处都是在不同的分辨率下各自按一定的规则融合 ,得到一个融合后的图像序列 ,然后重构图像。虽然这些方法在实用中效果很好 ,但是目前还没有对各类图像融合都普遍适用的理想方法 ,因此对不同方法的融合效果进行主观和客观的评价是重要的。图像融合效果的评价也是一个目前讨论的热点问题 ,目前融合效果的评价有主观视角效果评价和客观指标评价两种 ,首先应进行详细的主观评价 ,因为到目前为止还没有能非常准确描述融合质量的客观物理指标 ,在某些情况下可以通过融合图像和标准图像比较来评价融合效果 ,但是在大多数情况特别是实际应用中 ,标准图像几乎是不可能存在的 ,所     

基于梯度金字塔图像融合的研究

根据人体视觉对梯度的敏感性特点,采用梯度金字塔融合方法对图像进行具有方向性的多尺度、多分辨率分解,然后采用基于区域信息特征的融合规则对图像进行融合,最后进行梯度金字塔分解的逆变换得到融合图像,并对融合结果作出评价。实验结果表明,该方法对多焦点和多光谱图像融合都十分有效。     

面向SoC的红外图像融合算法

本文针对红外图像和可见光图像的特点,研究了像素级的三类图像融合算法.选择适合在硬件上实现的拉普拉斯金字塔图像融合算法,针对算法中的滤波和融合规则进行了改进,并提出了一种评价体系.然后在ARM9的S3C2440平台上完成了系统的设计,给出了系统实现的结果,最后采用评价体系对几种融合方法的结果进行了定量比较,确定在本系统中最适合的方法是改进的多融合规则的拉普拉斯金字塔图像融合算法.融合结果较好的符合了人的视觉特性.     

基于Spline金字塔的图像融合方法

图像融合作为信息融合的一个重要领域已广泛应用于遥感、医学、计算机视觉、军事目标探测和识别等多方面。文章在传统的多分辨金字塔结构—Laplace金字塔的基础上提出Spline金字塔融合算法,有一定的探索性和创新性。在融合过程中着重讨论了塔形结构的分解和重构及融合规则。由实验结果可以判断Spline金字塔算法是一种有效的图像融合算法。     

采用主成分分析与梯度金字塔的高动态范围图像生成方法

针对由多曝光低动态范围(LDR)图像融合生成高动态范围(HDR)图像对采集设备要求高且不适用于动态场景的问题,提出一种采用主成分分析(PCA)与梯度金字塔的HDR图像生成(HDR-PGG)方法。首先用改进的S曲线全局映射和Retinex局部色调映射对PCA变换后的亮度图像进行处理,以避免光晕和泛灰,并结合PCA逆变换获取多曝光LDR图像;其次利用多曝光LDR图像的对比度、饱和度、曝光度和亮度信息构造标量权重图,确保生成的HDR图像亮暗区域分明且细节清晰;最后,利用梯度金字塔生成HDR图像。实验结果表明,当视觉差异大于75%时,由HDR-PGG方法生成的HDR图像的平均像素分布概率比拉普拉斯金字塔和梯度金字塔算法降低了10.84%和30.75%,其平均相对熵与噪声程度比值分别提高了0.542 1和0.508 9。     

应用于图像融合中的多尺度对比度调制法

利用金辽塔结构,将输入的多通道图像在不同频段上进行分解,得到待融合图像的对比度金字塔,然后对比度金字塔的相应级上进行相行相互调制,得到融合图像的对比度金字塔,最后利用金字塔算法恢复出融合图像。实验了基于调制原理和对比度金字塔的多尺度对比度调制融合算法。     

结合对比度塔和克隆选择加权Wedgelets的图像融合

为增强融合图像的效果,提出了一种图像融合新方法.先利用对比度塔分解得到多分辨序列,然后利用加权Wedgelets变换和小波变换在图像序列相应尺度上融合源图像细节,并采用免疫克隆选择算法优化权值.新方法不仅有效保留了图像的细节和纹理,改善了视觉效果,而且使融合图像信息熵保持在较高水平.仿真实验结果表明,采用新方法所得到的图像像素平均梯度值比小波和Wedgelets方法分别提高了0.31和3.27,图像灰度值标准差分别提高了2.27和3.93.     

一种基于区域分割的图像融合方法

文章提出了一种基于区域分割的图像融合算法。首先对各个源图像使用基于金字塔链接的多分辨率分割,将源图像在各个尺度上划分为一系列区域,在划分过程中为了克服根标识时的不可预知性,先给定根的数目,然后在这些区域上采用小波变换的方法进行融合。实验表明,该方法可较好的消除边界的模糊性。     

基于散度的不同焦点图像融合方法

把散度的概念引入到图像分析中,考虑到图像在不同方向上的性质不同,提出了一种基于散度的相关性拉普拉斯变换不同焦点图像融合算法.首先对源图像进行相关性拉普拉斯分解,获得图像的低频和高频分量;然后对低频分量采用平均能量法进行融合,对高频分量利用图像梯度场的散度作为显著性特征进行融合;最后对融合后的图像分量进行拉普拉斯反变换重构出融合图像.实验结果表明该方法的保真度更高,边缘信息保留性能更好.     

结合特征融合和金字塔注意力的场景文本检测

基于深度学习的场景文本检测普遍缺少特征级的精细化,导致原本设计良好的模型不能被充分利用,提出将特征融合和特征金字塔注意力模块应用到场景文本检测.将基本特征提取网络(PixelLink算法)得到的4个特征映射层以采样后加权叠加的方式进行特征融合,并将结果送给特征金字塔注意力模块.特征融合使各层级的特征信息相结合,从而增加...     

一种基于多尺度分解的多传感器图像融合方法

给出了一种基于多尺度分解(易操纵金字塔分解)的多传感器图像融合算法．该算法把来自不同传感器的图像分解成不同尺度、不同方向(不止3个)的子带系列；使用基于相似性量测的规则融合各相应子带图像；再进行反变换，获得融合后的图像．实验结果表明该方法有较好的融合效果．     

基于图像特征信息的数字半色调方法

绝大部分数字半色调方法是通过图像的局部再现实现图像的整体再现,该技术存在细节信息少,特征不明显等不足.为此,提出基于图像特征信息的数字半色调方法.首先,选取合适的图像特征函数,构造绘图图元金字塔滤波器（其像素灰度值大于等于255）和权值金字塔滤波器;其次,利用绘图图元滤波器计算绘图图元的数量;最后,利用权值滤波器从上到下逐层排列绘图图元,直到该滤波器的最低层,即可得到再现图像.实验结果表明,根据用户的不同需求设置参数,能够再现图像不同程度的特征信息;再现图像不仅规律性纹理很少,而且能够充分再现图像的细节信息.