基于非下采样剪切波变换域方向信息测度的多聚焦图像融合方法

根据非下采样剪切波变换(non-subsample shearlet transform, NSST)在图像融合领域的优势和多聚焦图像的成像特点,将NSST运用于多聚焦图像融合。在NSST变换域中,利用方向信息测度能够突出图像边缘纹理特征以及降低图像噪声,将其运用在高频子带系数的融合规则中,并对传统的低频融合策略进行改进,将低频系数和高频系数的融合图像进行NSST的逆变换,得到融合图像。计算机仿真实验表明,相比于传统的剪切波变换的融合策略,本文提出的图像融合方法提高了图像的融合质量,增加了图像的信息量,并能降低图像噪声,具有一定的有效性和实用性。     

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.     

基于区域分割的NSCT域SAR与全色图像融合算法

提出了一种基于多阈值分割和无下采样Contourlet变换(nonsubsampled Contourlet transform, NSCT)的SAR与全色图像融合算法。首先对降斑SAR图像作多阈值分割,并定义了区域均值比量测算子将SAR图像进行区域划分;然后采用NSCT对降斑SAR图像和全色图像进行多尺度、多方向分解,分解后的低频部分根据区域均值比量测算子进行区域融合,高频部分则采用区域与窗口邻域相结合的融合策略;最后对融合系数进行重构得到融合图像。实验结果表明,该算法的融合图像既可保持全色图像的空间分辨率,又可有效获取SAR图像的目标信息,融合效果优于小波变换法以及基于像素的NSCT法。     

基于区域和方向方差加权信息熵的图像融合

提出了一种基于非下采样Contourlet变换（nonsubsampled Contourlet transform, NSCT）的红外与可见光图像融合方法。首先对原红外图像进行图像分割,确定目标区域与背景区域,并将其映射到可见光图像中;然后对红外和可见光图像进行多尺度、多方向分解,分解后的低频部分在目标区域选择红外图像低频系数、在背景区域选择可见光图像低频系数,高频部分使用方向方差加权信息熵最大作为融合策略进行融合;最后对融合的系数进行重构得到融合图像。实验结果表明,本文算法在保留图像细节信息、增加信息量、方便目标检测方面都有显著地提高。     

基于NSCT变换的红外与可见光图像融合算法

分析了非子采样Contourlet变换滤波器组的设计与实现方法,提出一种基于非子采样Contourlet变换的红外与可见光图像融合算法。首先将图像作非子采样拉普拉斯金字塔尺度分解,并在各个尺度层对高频子带作非子采样方向分解;然后分别采用基于区域能量和区域方差的的融合规则得到融合图像的非子采样Contourlet低频系数和高频系数;最后再进行非子采样Contourlet逆变换得到融合图像。实验结果表明,该方法的融合效果优于àtrous小波变换方法和Contourlet变换方法。     

基于局部混合滤波的SAR图像去噪

相干斑噪声是合成孔径雷达(synthetic aperture radar, SAR)成像系统所固有的缺点,严重影响SAR图像的可用性,给后续的图像分割、特征提取和目标识别等工作带来严峻的挑战。结合非下采样方向滤波器和双树复小波变换各自的特点,提出一种新的基于非下采样方向滤波-双树复小波变换的局部混合滤波SAR图像去噪算法,具有多方向和多尺度性,保持了图像的平移不变性,改善了图像的视觉效果。与其他算法不同,本文算法采用非下采样方向滤波器级联双树复小波的方法,不仅对每次产生的高频分量进行去噪,还对变换所产生的低频分量进行滤波去噪。实验结果表明：与使用同级双树复小波-轮廓波变换加软阈值去噪相比,本文算法的峰值信噪比提高2 dB;与使用轮廓波加循环平移（cycle spinning, CS）软阈值算法去噪相比,本文算法去噪后的图像不仅峰值信噪比有所提高,而且去噪后的图像更为平滑,抑制了人造纹理产生,视觉效果得到了明显改善。     

多个小波基的联合图像去噪方法

研究了利用多个小波基对含噪图像进行联合去噪的新方法。这种方法首先用每个小波基对含噪图像进行分解、阈值和恢复,得到多幅恢复图像;对这些图像进行简单的算术平均,平均图像的质量明显提高。与非下采样小波去噪方法相比,这种方法计算量小得多而性能相近。通过实验研究了小波基的选取问题,给出了一些经验原则。     

基于NSCT和IHS变换域的灰度可见光与红外图像融合方法

针对灰度可见光与红外图像的融合问题,提出了一种基于非下采样轮廓波变换(non subsampled contourlet transform, NSCT)和IHS变换域的自适应融合方法。该方法利用IHS变换域的有效分离图像亮度信息和光谱信息的优势,对灰度可见光图像进行彩色传递并得到亮度、色调、饱合度(intensity hue saturation, IHS)三个分量的值;然后通过NSCT变换分别对可见光图像的I分量和红外图像进行多尺度和多方向分解,并采用一定的融合规则得到融合图像的低频分量和高频分量,而后进行NSCT逆变换得到灰度融合图像并将其作为最终融合图像的I分量,最后进行IHS逆变换得到红绿蓝(red green blue, RGB)彩色融合图像。理论分析和仿真实验验证了该算法的有效性。     

基于多层显著性模型的SAR图像舰船目标检测

针对合成孔径雷达图像舰船目标检测问题,提出了一种结合选择机制与轮廓信息的多层显著性目标检测方法。首先,利用非下采样剪切波和频谱残差法进行全局显著性区域提取。其次,提出了一种基于动态恒虚警率的活动轮廓显著性模型,逐步滤除候选区域的虚警,提取目标轮廓,从而实现目标的精确检测。所提方法能够由粗到细地快速捕获目标区域,从而实现高效、高分辨率合成孔径雷达图像舰船检测。最后,在真实SAR数据集进行了测试,与其他经典的舰船检测方法相比,所提算法不仅有效地抑制了海杂波的影响,而且在检测精度上有较大提高。     

基于非下采样contourlet变换的图像边缘检测新方法

非下采样contourlet变换(nonsubsampled contourlet transform, NSCT)由于其平移不变性使得检测出的边缘定位准确。但是传统的基于非下采样contourlet变换的边缘检测结果中仍存在伪边缘,这是固定阈值选取不当所致。采用双阈值对高频子带中的模极大值进行筛选,用得到的两个矩阵进行补偿链接可以减少伪边缘。由于NSCT系数的结构特点,低频子带中也存在丰富的边缘信息,再用Canny算子对低频子带进行检测。仿真结果表明,基于双阈值的模极大值方法检测的高频子带细节丰富、定位准确、纹理清晰,Canny算子检测的低频图像边缘,轮廓完整连续,融合后的图像有效地抑制了噪声,消除了伪边缘。     

基于非抽样contourlet和PCNN的图像凹点检测方法研究

在目标识别中,人眼并不凝视整幅图像,为了获得更多图像信息,人眼会在不同区域中进行凹点(foveation points)检测。然而,从某些方向上获得的凹点对实际目标的识别可能是无用或者干扰的信息。为此提出了一种基于非抽样contourlet变换(NSCT)和脉冲耦合神经网络(PCNN)的图像凹点检测方法,该方法在传统凹点检测方法中引入非抽样contourlet变换,充分利用了非抽样contourlet变换对图像处理的高度方向选择性。最后,对影响凹点选取的脉冲耦合神经网络输出函数这一数学模型及其阈值的选择问题进行了研究。     

基于小波域马尔可夫先验模型的图像去噪方法

提出了一种基于各向异性马尔可夫随机场(Markovrandomfield,MRF)先验概率模型的图像去噪方法。该方法利用图像小波子带的方向性特点以及小波系数尺度内和尺度间的相关性,将小波系数的分布特征建模为一种各向异性MRF先验概率模型。通过在贝叶斯框架中采用这种先验概率模型可以得到一种具有空间自适应性的贝叶斯萎缩函数。利用这种萎缩函数可以实现对小波系数的修正。实验结果表明利用该方法进行图像去噪能够取得良好的效果,同时可以有效地保留图像的细节。     

SAR图像目标方位角估计与分析

SAR成像对目标方位角特别敏感,方位角估计的准确性会直接影响目标的分类和识别.目标方位角估计方法主要有包络盒准则法、轮廓线变换法和主轴原则法.每种方法都有其局限性,且估计范围是[0, 180],可是目标方位角实际范围是[0, 360].为了能获得任意角度且相对精确目标方位角,提出了一种综合SAR图像目标方位角估计方法.该方法融合了的单一估计法的优点,并利用目标的相关信息,突破了以往仅从图像的角度估计方位角的缺点.实验表明这种方法是有效的、可行的.     

快速加权核范数最小化的SAR图像去噪算法

提出快速加权核范数最小化(fast weighted nuclear norm minimization,FWNNM)的合成孔径雷达(synthetic aperture radar,SAR)图像去噪算法。首先采用对数变换将SAR图像的乘性噪声变换为加性噪声,然后利用非局部相似性对变换后的图像进行块匹配,随后根据低秩模型框架,用随机奇异值分解替换加权核范数最小化(weighted nuclear norm minimization,WNNM)算法中的奇异值分解进行低秩矩阵逼近,再采用梯度直方图保存的方法对图像进行纹理增强,最终实现了对SAR图像快速去噪。在MSTAR数据库上的实验结果表明,与已有方法相比,所提方法在SAR图像去噪和边缘保持方面是有效的,并且比WNNM去噪速度快3倍。     

子波域多传感器并行分布式信息融合仿真研究

信息融合仿真分析是信息融合研究的基础,利用子波域多尺度分析的思想,将子波域滤波与多传感器线性加权融合准则有机的结合起来,提出了子波域多传感器并行分布式信息融合新算法.该算法首先将单传感器分解到不同尺度上,然后在不同尺度对目标状态进行滤波,最后将局部状态估计送到融合中心,得到最优的联合状态估计.然后通过克拉美罗下界分析了子波域信息融合的参数估计性能.仿真示例验证了上述方法的有效性.     

基于DEM和SAR的航海雷达地形回波仿真

由于仿真地形数据库制图工作量巨大,因此目前航海雷达仿真中物标雷达反射率模拟的工程应用受到极大限制。提出基于DEM(Digital Elevation Model)和同波段SAR(Synthetic Aperture Radar)数据反演,获取物标反射率信息,作为地表雷达反射率仿真的依据,结合雷达方程,建立航海雷达地表反射率模型;考虑雷达回波地形的高程遮挡关系,给出了航海雷达地形回波生成算法,GPU编程实现。通过与传统仿真方法和真实雷达回波图像的比较,表明该算法与真实雷达回波更接近,更能体现地表回波图像的雷达反射率细节和不同量程下的回波图像变化。