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。     

基于子波变换的纹理图像分割

本文针对纹理图像的特点,提出了基于主能量通道子波变换的纹理图像多级分割方法。该方法以最大能量为线索,建立起由细到粗的多分辨率子波分解金字塔,分割按照其逆过程,即由粗到细,每个分辨率上分割特征的优化选择、分割方案—模糊Ｃ聚类的确定,都有利于纹理图像的分割,最后由低向高传递分割结果,从而得到较精细的分割图像。     

像素级多分辨图像融合技术概述

多分辨率图像融合算法是目前常用的图像融合方法,可分为多分辨金字塔融合算法和基于小波变换的融合算法。详细介绍了各类金字塔的演变过程、构成方法和融合规则,并分析了各自的优缺点;还论述了基于小波变换的多分辨率图像融合方法,包括离散小波变换图像融合方法、小波树图像融合方法和小波标架图像融合方法。最后,对这两类融合算法作了比较,证明了该算法比其它方法具有更好的性质。     

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。     

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…     

基于图像时频域局部特征的快速模糊分割方法

对于景物 -背景对比度差且信噪比较低的灰度图像的分割问题 ,提出了一种基于时频域局部特征的快速模糊分割方法。鉴于多分辨小波分析具有良好的揭示图像信号的时频域局部信息的能力 ,在图像的多尺度小波分析的基础上 ,基于高斯 -马尔可夫随机场理论 ,应用统计的方法抽取一组参量 ,这组参量反映了图像的局部特征信息 ,从而构造出图像的特征集。最后利用快速模糊C -均值 (QFCM)聚类方法对特征集进行模糊划分 ,从而完成图像的分割。实验证明 ,该方法具有良好的分割效果 ,且有较强的稳健性。     

刚体变换下基于轮廓的多传感器图像配准算法

提出了一种基于轮廓的多传感器图像配准算法,输入图像之间的几何变换假设为刚体变换。该配准算法的特点是根据匹配轮廓对的质心和长轴计算配准参数,克服了传统的基于特征的图像配准算法控制点检测与匹配的问题,算法鲁棒性较高。首先提取输入图像中的明显轮廓,然后对提取的轮廓进行匹配,并将其中匹配的开轮廓对转化为闭合轮廓对,然后根据所有闭合轮廓对的质心和长轴估计配准参数。实验结果表明,所提算法能精确解决输入图像之间仅存在旋转和平移情况时的图像配准问题。     

Contourlet transform for image fusion using cycle spinning

A new method for image fusion based on Contourlet transform and cycle spinning is proposed. Contourlet transform is a flexible multiresolution, local and directional image expansion, also provids a sparse representation for two-dimensional piece-wise smooth signals resembling images. Due to lack of translation invariance property in Contourlet transform, the conventional image fusion algorithm based on Contourlet transform introduces many artifacts. According to the theory of cycle spinning applied to image denoising, an invariance transform can reduce the artifacts through a series of processing efficiently. So the technology of cycle spinning is introduced to develop the translation invariant Contourlet fusion algorithm. This method can effectively eliminate the Gibbs-like phenomenon, extract the characteristics of original images, and preserve more important information. Experimental results show the simplicity and effectiveness of the method and its advantages over the conventional approaches.     

基于轮廓多边形拟合的红外与可见光图像配准算法

针对红外图像和可见光图像配准问题,提出一种基于轮廓多边形拟合的图像自动配准算法。首先,为获得较好的主轮廓信息,对提取的轮廓进行多边形拟合,有效剔除轮廓上的冗余点和噪声。然后选取拟合轮廓上的多边形顶点为特征点,将轮廓划分为特征轮廓段,以特征轮廓段作为匹配单元匹配轮廓并得到匹配特征点。采用修剪的最小二乘法,在获取变换参数的同时不断剔除误匹配。实验证明,该算法可实现性强,配准精度高,配准速度快,较好地实现了刚体变换下红外图像与可见光图像的配准。     

Multi-Modality Medical Image Fusion Based on Wavelet Analysis and Quality Evaluation

1. INTRODUCTIONThere are several kinds of medical imaging modalities now. The plan and evaluation of medical diagnosis andtreatmellt often need the support from images of different modalities. Multi-modality medical image fusionis to create a new combined image from multi-modality images according to some fusion principles, the newimage is supposed to have better visual effect to facilitate further processing, analysis, recognition and diagnosis.A typical application is the fusion between…     

基于多层次MRF的多分辨率图像融合算法

图像数据融合的目的是恢复出分布在不同图像中的有用信息。在多层次MRF模型的基础上提出了一种多分辨率图像融合算法。该算法将定义在多层次图结构上的非线性因果Markov模型与贝叶斯SMAP(sequenti almaximumaposteriori)准则结合起来 ,弥补了MAP(maximumaposteriori)准则在多层次图结构上计算不合理的缺陷。实验部分中 ,对两种算法用于被高斯白噪声污染的合成图像的恢复结果进行了比较 ,并将该算法用于实际的多分辨率航空图像。实验结果表明了该算法的优越性。     

基于图像质量因子的图像融合客观评价方法

针对图像融合技术中的效果评价问题,提出了一种基于图像质量因子的图像融合客观评价方法。该方法利用熵加权和均方根图像融合质量因子对融合图像与源图像间的相关性、亮度失真和对比度失真进行综合评价,因而在不同融合方法和不同源图像的条件下,可获得标准的评估统计量。采用加权平均、拉普拉斯塔形分解及基于小波变换的图像融合法为例,通过对多传感器图像进行融合评价实验,证明了该方法的有效性和鲁棒性。     

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     

基于小波分解与神经网络的图像分割方法

采用小波变换进行图像分解，得到不同分辨率下的图像表示，进而构造多分辨率图像金字塔。然后讨论了利用小波变换进行消除噪声的方法，较好的去除了图像的噪声。最后，采用Kohonen神经网络进行图像聚类分割，该方法加快了聚类速度，提高了图像的聚类分割准确性。     

一种基于空频域特征的多传感器图像融合方法

提出了一种基于多分辨率小波分析和高斯 -马尔可夫随机场理论的边缘图像融合方法。在图像的多分辨率小波分析的基础上 ,基于高斯 -马尔可失随机场理论 ,在不同图像的对应区域 ,用回归分析的方法分别提取一组统计参数 ,这些参量表征了图像的局部结构特征 ,计算其相似性测度 ,最后由输入图像及其特征的相似性矩阵生成融合后的边缘图像。实验证明 ,这种融合方法具有较强的适应性和可靠性 ,即使在图像信噪比较低的情况下 ,也能取得较好的融合效果。     

基于信息融合的汽车防撞决策系统研究

研究并提出了基于多传感器信息融合的动态目标跟踪算法来实现防撞系统的信息获取，并引入预测残留误差来修正跟踪残留误差不能完全反映不可预测的信息所带来的误差；研究了驾驶过程状态信息的表达方法，建立了汽车一环境状态特征模型，描述了汽车在行驶过程中时变动态的驾驶状态。在此基础之上，利用模糊积分方法融合多种相关信息，确定汽车应采用的安全运行模式，实现主动安全防撞决策。     

逆合成孔径雷达像轮廓提取方法

为了从图像分辨率低且具有明显稀疏性的逆合成孔径雷达(inverse synthetic aperture radar, ISAR)像中提取目标的平滑轮廓,在ISAR像建模的基础上,提出了基于形态学方法提取ISAR像目标轮廓并使用小波分析平滑目标轮廓的方法。实验结果表明,该方法有效地消除了由ISAR像稀疏性导致的难以提取连通且完整的目标轮廓的问题,相比其他轮廓提取手段更适于ISAR像目标的平滑轮廓提取。该方法通过对ISAR像进行图像域分析获得了目标的连通、平滑轮廓,使后续ISAR像目标特征提取和识别更易于实现。     

基于多分辨率显著性滤波的微动信号增强方法

微动信号是典型的非平稳信号, 时频分析能够获得微动信号的联合时间-频率分布图像, 是微动信号分析的主要工具之一, 良好的时频图像质量能保证后续特征提取和参数估计的准确性。然而在实际场景中, 时频图像通常受到噪声污染, 使得微动信号难以分辨, 严重制约了后续特征提取和参数估计。根据显著性检测和图像金字塔的基本原理, 本文在多分辨率表示图像上分别计算显著性并滤波, 最后进行加权融合获得增强的时频图像, 有效抑制了噪声, 提升了低信噪比(signal to noise ratio, SNR)下时频图像的质量和微动信号的显著性。实验结果表明, 对于仿真信号以及暗室测量信号, 在-7~7 dB SNR下, 采用该方法均能显著提升时频图像质量, 且-3 dB以下时能大幅提高周期估计的准确率, 是一种有效的微动信号增强方法。     

基于多传感器信息融合的目标识别

在多传感器 (雷达和红外 )信息融合的目标识别中 ,不仅需要对点目标进行识别 ,而且也需要对面目标进行识别。由于传感器提供点目标和面目标的信息特征和信息量不同 ,致使信息融合的方法也不相同。针对这种情况 ,提出用基于智能规则推理的方法来进行点目标识别 ,用多传感器构成的联合特征向量的方法来进行面目标识别。仿真实验表明 ,采用这种方法能有效地提高目标识别的准确度