基于DCT域纹理特征的多聚焦图像融合

现有的基于离散余弦变换(discrete cosine transform, DCT)的多聚焦图像融合算法容易使融合图像出现块效应和伪影,为此提出一种基于DCT域纹理特征的图像融合算法.该算法以8×8 DCT块中反映能量方向性的纹理区域作为图像融合单位,根据纹理区域的频谱相似度,选择能量较大的区域或以区域加权叠加的方式获得融合区域.实验结果表明,与现有基于DCT域的多聚焦图像融合算法相比,该算法获得的融合图像主观质量较好,能有效避免明显的块效应与伪影.     

基于小波变换的图像融合算法研究

针对可见光和红外热像仪各自的成像特性,提出了一种新的基于小波变换的图像融合算法,将配准完成的电视图像和红外图像分别进行小波分解,得到低频图像和高频图像。采用不同的规则分别对低频图像和高频图像进行融合,并进行小波逆变换,得到最终的融合图像。最后采用实验验证了算法的有效性,结果表明,该算法明显优于传统小波变换算法。     

2种多小波变换系统在遥感图像融合中的研究

多小波分析能够为图像提供一种比小波多分辨率分析更加精确的分析方法.彩色图像的表现形式主要有RGB混色系统和IHS显色系统.为了得到高质量遥感图像的融合效果,将多小波变换分别和2种系统结合,以GHM多小波为例,采用梯度加权算法,通过Matlab编程实验,得出了多小波变换和2种系统结合的各自优缺点,突出了多小波变换和RGB系统相结合的优势,实验结果明显.     

多源图像信息融合的理论与技术

对不同空间分辨率，时间分辨率和波谱分辨率的遥感图像进行综合，高效的利用，是当前学术界的焦点问题之一。回顾图像融合的源起与发展，对融合的概念与基础理论做了界定与阐述，将目前存在的各种融合技术归纳为3种类型；像元级融合，特征级融合和分类级融合，剖析了其优缺点和适用领域，并对今后的发展方向做了展望。     

一种基于边缘和小波变换的图像插值的实现

针对常规插值方法在图像放大时出现的边缘模糊现象,提出了一种基于边缘和小波变换的图像插值算法,小波变换提高了插值图像的边缘高频细节信息.算法首先使用小波变换提取图像边缘,通过边缘检测将图像分为边缘和非边缘这两个区域;对不同的区域分别进行图像插值.实验结果表明,用该方法对图像放大,能提高插值图像边缘的清晰度.     

一种基于傅里叶变换的运动图像全盲认证方法

利用运动图像傅里叶变换幅度谱的带状调制特性,提出一种针对运动图像的全盲认证方法,实现了对运动图像经过修改、移动、区域填充以及非运动图像上填充运动图像块两种情况下的篡改区域检测与定位.实验验证了其有效性及对噪声的鲁棒性.     

基于灰度直方图熵与小波变换的近红外与可见光图像融合

本文简单阐述了基于灰度直方图熵和平稳小波变换图像融合原理,并对近红外与可见光图像融合效果进行了实验对比分析。研究表明,基于灰度直方图熵和小波变换的近红外与可见光图像融合算法得到的融合图像层次感强,对比度高,且图像的标准差、信息熵、互信息评价指标最优,从源图像中所获取的信息最多。     

一种基于视频的超分辨率图像生成方法研究

随着手持视频设备的普及,如何为这类低分辨率应用环境提供一种生成高质量图像的方法是一个值得研究的问题.讨论了如何从低分辨率、低质量的视频中创建清晰的、高分辨率图像的方法.针对当前多图像超分辨率技术没有考虑运动估计和重要帧的权值等问题,提出了一个基于时间显著性、局部图像统计特征来计算图像像素权值的方法,以实现更好的图像融合.提出的基于重要性的计算框架,降低了低质量帧的影响,显著提高了有效成分的作用.     

像素级多传感器图像融合研究进展

像素级多传感器图像融合是对多个传感器获取的同一地区或同一目标的图像数据，采用一定的算法将各图像数据中所含的信息优势或互补性有机结合起来产生新的图像数据的技术。本文探讨了像素级多传感器图像融合的研究意义和应用，对像素级多传感器图像融合方法进行了分析比较，并对其发展方向进行了展望。     

一种基于小波变换的静止图像编码方法

通过对小波函数、Mallat多分辨分析等小波变换的有关概念和理论的介绍,以及对矢量量化方法的分析,提出了一种基于小波变换和矢量量化的图像编码方法,并在计算机上模拟实验,得到较好的重建效果。     

基于小波变换的图像压缩方法研究

图像压缩是用最少的数据量来表示尽可能多的原图像信息的一个过程.利用原始图像在经小波分解后,能量大部分聚集到低频子图,所以使不同分辨率级能量分布不均匀,从而提高了图像压缩的效率和重建图像的质量.实验证明,小波变换是一种有效的图像压缩方法.     

一种新的基于扩散方程的图像平滑方法

针对退化扩散方程在对图像平滑时,奇异点容易被破坏,引入了小波变换模极大值表示,提出了由小波变换模M(s,x,y)决定扩散速度的图像平滑方法.该方法在图像奇异点的位置使平滑速度趋于零;在图像的光滑区域扩散速度由小波变换模决定;在灰度变化不大的区域,采用各向同性扩散.该方法克服了退化方程对图像奇异点的模糊现象,兼顾了去噪和保边界.实验证明该方法优于其他的方法.     

基于NSCT和全变差模型的医学图像去噪

分析了非下采样Contourlet变换(nonsubsampled Contourlet transform,NSCT)和全变差模型的特点,提出将NSCT和全变差混合模型应用于医学图像去噪.首先,通过NSCT变换将含噪图像分解,运用Visu萎缩阈值将NSCT系数进行处理,得到初次去噪图像.然后,采用全变差模型对初次去噪图像进一步处理得到最终去噪图像.实验结果表明:该方法可以很好地保留图像细节,无论在客观上的峰值信噪比还是主观上的视觉效果都优于其他去噪方法.     

多传感器数据融合及其在图像信息处理中的应用

随着图像信息的日益复杂,单独的某种算法或单信道的图像信息已不能满足高精度的图像识别任务的需要,多传感器数据融合技术在图像信息处理中得到越来越广泛的应用。介绍了数据融合的三种主要方法,从图像信息融合的基本流程、图像配准和图像融合的层次三方面进行了综述,在此基础上分析了多传感器图像信息融合领域的研究热点和发展趋势。     

基于图像置乱变换的数字水印算法研究

结合Arnold变换,提出了一种基于图像置乱变换和小波变换的数字水印算法.首先对被隐藏图像进行Arnold置乱,把主图像划分为n×n区域,对每个区域进行3次离散小波变换,再利用算法把待隐藏信息嵌入各个区域的中频子带和高频子带,实施多处信息隐藏以提高其鲁棒性.对提出的算法进行了仿真实验,并对嵌入信息的图像进行各种攻击测试.实验表明,该算法对嵌入信息具有不可见性和良好的鲁棒性.     

数字图像边缘检测方法的对比分析及优化

由于数字图像本身的复杂特性和各种噪声源的影响,使得图像边缘检测技术成为图像处理的一个难点.通过对几种常用边缘检测算法的介绍、归纳总结及仿真实验,对比分析了各自的优缺点,并在此基础上结合目前先进的小波理论和传统的微分法提出了一种新的图像边缘检测方法.新方法把用不同方法处理得到的边缘图像融合生成一幅新的边缘图像,先取适当阈值,过滤多余的信息.经Matlab仿真验证,在突出图像的边缘和局域细节信息方面具有良好效果,是一种有效的图像边缘检测方法.     

基于Kalman滤波方法的多传感器信息融合最优白噪声反卷积滤波器

应用Kalman滤波方法和白噪声估计理论,在线性最小方差按矩阵加权最优信息融合准则下,提出了多传感器信息融合稳态最优白噪声反卷积滤波器,其中给出了局部滤波误差之间的协方差公式,它被用于计算最优融合加权阵.同单传感器情形相比,可提高滤波精度.它可应用于石油地震勘探信号处理.一个3传感器信息融合Bernoulli-Gaussian白噪声反卷积滤波器的仿真例子说明了其有效性.     

一种新的基于FFT的图像增强算法

针对散焦模糊和噪声的频域特点,提出了一种基于FFT的频域图像增强算法。设计了高通倒高斯滤波器与低通反正切滤波器,使得图像去噪的同时又保留了细节。并研究了抑制振铃的算法,去除了频域加窗对图像的影响,对于增强图像的质量有显著的效果。