深度玻尔兹曼机在图像融合中的应用

针对可见光与红外图像融合时出现的特征信息提取不足等问题,提出了一种基于非下采样剪切波变换(NSST)与深度玻尔兹曼机(DBM)的可见光与红外图像融合方法。首先,利用DBM实现红外图像的最优能量分割以提取其中的显著红外目标;其次,将分割得到的显著目标区域与背景区域分别投影至源图像,获得相关映射图;最后,使用NSST分别对可见光图像与红外投影图像进行多尺度、多方向稀疏分解,对源图像的一系列子图像进行融合,并采取NSST反变换重构获得最终融合图像。仿真实验结果表明:与现有的3种经典方法相比,本文方法在信息熵方面高于轮廓波变换法约4.1%,在平均梯度方面高于NSST法约1.0%,在互信息方面高于NSCT法约3.8%。获得的融合图像具有较高的对比度和丰富的细节信息。     

NSCT域梯度加权的红外与可见光图像融合

提出了一种非下采样轮廓波变换(NSCT)域梯度加权的红外与可见光图像融合方法.在多尺度变换图像融合框架下,先对多源传感图像进行非下采样轮廓波变换,然后对变换得到的图像低通成分进行梯度域加权融合,对高通成分进行绝对值最大选择融合,最后通过非下采样轮廓波逆变换得到融合图像.利用梯度加权融合生成融合图像的低通系数,更好地保留了各源图像低通成分包含的有用信息.大量实验结果表明:该方法能有效提升图像融合性能,明显增强融合图像的对比度,融合图像表现出更好的视觉质量和可观测性.     

结合PCNN和局部能量的NSST域声呐图像融合

针对声呐图像局部特征模糊和边缘信息丢失的问题,提出一种结合参数自适应脉冲耦合神经网络和改进的局部能量融合规则的非下采样剪切波域声呐图像融合方法。利用非下采样剪切波变换将多幅源图像分解为高频系数和低频系数,采用参数自适应脉冲耦合神经网络对高频系数进行处理,整合图像边缘信息;对传统局部能量融合规则进行改进,并应用在低频系数的处理中,保留图像的大部分原始能量。最后,将处理后的高频系数和低频系数进行重构,实现声呐图像的融合。仿真结果表明,该方法可将源图像中的边缘信息和特征信息有效传递到融合图像中,使声呐图像质量得到较大提升。     

考虑变换域融合方法的刀具磨损区域三维重构

针对数控机床加工领域刀具磨损区域的三维重构精度提高的问题,提出了变换域融合方法。将非下采样轮廓波变换和小波变换相结合,对非下采样轮廓波变换得到的低频系数采用小波变换方法进行融合,对得到的高频系数构造区域方差进行融合,突出刀具磨损图像的整体灰度信息和边缘细节信息,从而获得更为清晰的二维刀具图像,以及更为准确的磨痕形貌及磨痕体积。对基于非下采样轮廓波变换、小波变换方法和变换域融合方法得到磨损区域三维形貌和磨损体积与显微镜的观察结果进行了对比分析,发现提出的方法得到的三维形貌与显微镜结果最接近,且计算出的磨损体积平均相对误差小于10%。分析和实验数据表明,所提方法无论在图像的清晰度和磨损体积的准确性方面都有一定的优势,该方法对于刀具磨损区域三维重构精度较高,优于单独采用非下采样轮廓波变换和小波变换方法得到的结果。     

基于密度聚类与灰度变换的NSST域声呐图像去噪

传统图像去噪方法在去除声呐图像斑点噪声的同时,难以有效保留细节特征.针对该问题,提出一种基于密度聚类与灰度变换的非下采样剪切波域图像去噪方法 .利用非下采样剪切波变换将含噪图像分解为高频系数和低频系数,根据声呐图像中斑点噪声的分布特性,采用基于密度的噪声应用空间聚类（Density-based Spatial Clus...     

多孔小波和非下采样滤波器组去除遥感图像的多种噪声

结合àtrous小波变换和非下采样轮廓波变换的优点,提出一种基于àtrous 非下采样轮廓波变换的遥感图像去噪方法.该方法用非抽取离散小波变换的àtrous算法对图像进行多尺度分解,然后用非下采样的多方向滤波器组对得到的细节分量进行多方向分解.对含有多种噪声的遥感图像,àtrous 非下采样轮廓波变换将图像中不同种类的噪声分解到不同的小波系数分量中,使得可以根据噪声特性选择最合适的去噪方法,比用一种方法去除所有类型的噪声更科学且去噪效果更好.     

基于NSST变换的超声图像降噪算法

针对超声图像降噪算法在降噪的同时无法很好地保留图像的细节信息问题,提出了一种改进的基于非下采样剪切波变换(NSST)的超声图像降噪算法.首先通过对数变换将乘性噪声转换成加性噪声,然后使用NSST变换对噪声图像进行多尺度分解得到高频子带和低频子带,低频子带使用同态滤波增强细节信息,高频子带采用改进的阈值处理函数降低噪声,...     

基于改进交叉双边滤波的红外与可见光图像融合算法

针对传统交叉双边滤波(CBF)算法在红外与可见光图像的融合过程中存在的噪声以及细节信息缺失等问题,提出一种基于非下采样剪切波变换(NSST)和特征提取来改进交叉双边滤波的图像融合算法.首先,应用NSST对两幅源图像进行处理,计算源图像与处理后图像的差值图像,并将差值图像叠加到源图像得到两幅预处理图像.其次,对两幅预处理图像进行交叉双边滤波,并与其计算差值融合得到细节图,对细节图和预处理图进行加权平均融合,得到初步融合图像,应用直方图均衡化和中值滤波对两幅源图像进行特征提取得到两个特征图,并采取绝对值取大融合特征图.最后,对融合后的特征图与初步融合图像取平均得到最终的融合图像.实验结果表明该算法在视觉效果和评价指标上均明显优于传统的融合算法.     

一种基于NSCT和对比度拉伸的红外与可见光图像融合算法

针对传统的红外与可见光图像融合算法所存在的边缘信息缺失等问题,提出了一种基于非下采样轮廓波变换和对比拉伸度的图像融合方法.首先,采用非下采样轮廓波对红外与可见光图像进行分解,得到高低频子带系数,采用"绝对值取大"和"窗口系数绝对值取大"的融合规则融合高频子带,低频子带采用改进的局部拉普拉斯能量的融合规则进行融合,经过N...     

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.     

一种基于剪切变换和图像增强的融合方法

为了进一步提高可见光与红外线图像的融合效果,采用剪切波变换和方向滤波建立了一种图像融合方法.通过引导滤波器对可见光图像的场景信息进行增强,提高细节信息;利用剪切波变换对增强后的可见光图像和红外线图像进行多尺度分解,得到不同的低频和高频尺度子带;对低频尺度子带的系数选取能量保护的融合规则,而对高频尺度子带的系数选取PCA的融合规则进行融合;利用剪切波逆变换对融合的低频尺度的子带系数和高频子带的尺度系数进行变换得到融合结果.实验效果表明所提方法能有效地提高融合结果中的细节信息.     

基于图形处理器硬件加速的高精度医学图像融合算法

提出一种基于图形处理器(GPU)硬件加速的频域非下采样轮廓波变换(FNSCT)算法.该算法构造了更加简单、快速的频域非下采样轮廓波变换,有效消除了传统小波变换以及轮廓波变换应用于图像融合算法时引起的振铃和伪吉布斯现象.结合GPU在并行大规模浮点数及快速傅里叶变换(FFT)上的高速运算能力,解决了非下采样轮廓波变换(NSCT)速度慢的问题,实现了一种高精度的医学图像融合加速算法.     

基于非下采样Contourlet变换耦合近似度规则的多聚焦图像融合算法

当前多聚焦图像融合算法主要通过单一的比值取大法来完成高频系数的融合,忽略了不同高频系数间的近似度,导致融合图像存在模糊效应与块效应等不足,采用非下采样Contourlet变换耦合近似度规则对多聚焦图像进行融合,来改善以上不足。利用非下采样Contourlet变换对图像进行多尺度、多方向的分解,获取图像的高、低频分解系数。利用图像的区域能量对低频系数的信息量进行度量,构造低频系数融合函数,用于低频系数融合。利用图像的平均梯度差值对不同高频系数的差异度进行度量,建立近似度规则,根据不同高频系数的近似度采用不同的融合方法获取融合高频系数。将融合后系数通过非下采样Contourlet逆变换获取最后融合图像。仿真表明,所提算法与当前多聚焦图像融合方法相比,融合的图像具有较好的质量。     

非采样轮廓波变换下的红外与可见光图像融合

针对红外与可见光图像融合存在的边缘模糊、视觉效果不佳的问题,提出了一种改进的基于非下采样轮廓波变换(NSCT)的红外和可见光图像融合方法。首先采用NSCT对红外与可见光图像进行多尺度、多方向分解,然后对低频系数采用基于边缘的方法进行融合;对高频系数采用基于区域能量的方法进行融合。最后,通过NSCT反变换来获取融合图像。实验结果表明:文中改进算法得到的融合图像不仅边缘等细节部分更加清晰,而且在视觉效果上更加符合人眼视觉特性。     

一种改进的基于NSST-SPCNN医学图像融合算法

为了尽可能多地获取图像中的细节与边缘信息,提出了一种基于非亚采样剪切波变换和改进自适应脉冲耦合神经网络相结合的图像融合算法。采用非亚采样剪切波变换算法将两幅精配准的图像进行分解,分别得到两幅图像的低频分量与不同尺度方向的高频分量。在低频系数区采取局部能量加权和与双边滤波来计算融合不同尺度的低通分量,实现细节的提取与能量的保存。在高频系数区域,采用改进的自适应参数脉冲耦合神经网络算法,通过简化脉冲耦合神经网络模型、优化自适应参数融合高通分量,提高融合的效率与质量,同时避免人工输入经验阈值的不便。最后,经过NSST的逆变换得到最终的融合图像。实验结果表明,该算法能有效地保持图像边缘与纹理,保留图像的细节信息与纹理特征。与传统算法相比,具有更好的性能与适用性。     

基于NSST域的改进加权非负矩阵分解的图像融合

针对加权非负矩阵分解中算法复杂度较高的问题,提出一种基于加权非负矩阵分解和双通道脉冲耦合神经网络的图像融合的改进算法。首先,对已经配准的两个源图像进行非下采样Shearlet变换;然后,对于图像低频子带,采用改进的WNMF的算法,动态更新权值矩阵,更好地提取图像特征信息。对于高频子带,采用改进双通道脉冲耦合神经网络的算法,链接强度值采用块的梯度值,更好地保留图像的微小细节信息;最后,经过非下采样Shearlet的逆变换得到融合图像。实验表明,将加权非负矩阵分解与双通道脉冲耦合神经网络相结合,不仅能很好的提取图像的特征信息,保留更多细节信息;同时双通道的脉冲耦合神经网络的方法能提高算法运行效率。     

基于非下采样Contourlet变换的自适应阈值图像去噪方法

Contourlet变换是一种真正的图像二维表示方法,具有方向性和各向异性,能稀疏地表示图像。但Contourlet变换不具备平移不变性,图像去噪时会存在伪Gibbs现象。为了克服这种不足,在Contourlet变换基础上,构建了非下采样Contourlet变换,首先将图像进行非下采样Contourlet变换,接着运用自适应阈值进行去噪处理,然后进行非下采样Contourlet逆变换,得到去噪后图像。实验结果表明,采用非下采样Contourlet变换方法能有效去除图像噪声,并能保持图像纹理细节,提高图像信噪比,视觉效果好,其去噪效果优于传统小波及Contourlet去噪效果。     

一种改进的压缩感知图像融合方法

传统基于压缩感知的图像融合算法在通过压缩感知观测图像高频分量时会丢失分量的空间信息,仅能采用简单规则进行融合,导致融合图像纹理细节等信息效果较差。针对此,文中提出了一种结合图像高频特征的自适应融合规则。首先,对融合图像进行非下采样contourlet变换(NSCT),分解后得到的低频子带系数采用区域能量融合规则,较传统低频系数处理更好的保留源图像的背景信息;然后,由于高频子带系数具有较高稀疏性,因此通过压缩感知进行压缩后根据标准差特征自适应选择融合规则;最后,对重构系数进行非下采样contourlet逆变换。实验结果表明:与传统经典算法相比,新方法不仅精准提取到红外目标,同时充分保留可见光图像的细节信息,兼顾了待融合图像的背景信息和红外目标信息,有效提高了融合效果和主观感受。     

一种基于内容增强的可见光-红外线图像融合方法

为更好地保留可见光图像的丰富细节信息, 提出一种基于方向导波的动态图像压缩增强方法对可见光图像和红外线图像进行融合. 首先, 利用方向导波增强方法对可见光图像进行增强; 其次, 对增强后的可见光图像和对应的红外线图像利用非下采样轮廓波进行分解, 得到一个低频子带和一系列高频子带, 用稀疏表示理论对低频子带进行融合, 用参数自适应的脉冲耦合神经网络对各高频子带进行融合; 最后, 利用非下采样轮廓波的逆变换得到融合图像. 实验结果表明, 该方法在客观质量评价和视觉检测方面均优于传统方法.