小波变换在多分辨率图像融合中的应用

浅析了小波变换在多分辨率图像融合中的应用。首先论述了图像融合的基本原理,然后给出了多分辨率图像融合中的几种典型算法,并分析了小波变换的特点。     

基于区间小波的红外/可见光图像融合

针对红外和可见光图像的特点,结合V. Petrovic提出的融合方法,给出了一种改进的基于区间小波的图像融合算法. 按照V. Petrovic的方法对源图像的梯度细节图像进行融合/分解并得到源图像的多尺度金字塔,对金字塔中的两个低通分量加权平均后进行反变换,得到融合图像. 目视观察和客观评价指标表明:算法取得了较好的融合效果,并且区间双正交小波融合效果好于区间正交小波,这符合双正交小波具有对称性,更适合图像处理的特性.     

图像分割与平稳小波变换法融合红外与可见光图像

为改善红外与可见光图像融合后的视觉效果,提出一种基于图像分割和平稳小波变换的图像融合方法。首先,结合最大类间方差方法与边缘检测方法,将红外图像分割为背景部分和目标部分;然后利用平稳小波变换对红外图像的背景部分与可见光图像分别进行多尺度分解,低频部分采用区域空间频率取大融合准则,高频部分采用绝对值取大融合准则,对多尺度分解后的各层进行融合,再利用平稳小波逆变换得到融合结果;最后,对该融合结果与红外图像的目标部分采用加权求和的融合准则进行融合,得到最终的红外与可见光融合图像。实验结果表明,通过提出的方法进行红外与可见光图像融合,不仅很好地突出红外图像的目标信息,还较好地体现可见光图像的场景细节信息,视觉效果明显改善;其标准差、信息熵、互信息均优于拉普拉斯金字塔变换和小波变换等传统的融合算法。实验结果验证了方法的有效性。     

小波变换在图像融合中的应用研究

针对小波融合中存在的光谱扭曲问题，研究中提出了直接相加的低频基带处理方法，将未经小波分解的TM放大图像与仅由SPOT—PAN图像小波分解后的高频部分重构得到的图像直接相加生成融合图像，其图像的光谱扭曲值和信息量两个指标优于传统的小波变换融合方法。     

小波变换在图像融合中的研究

本论文从基于小波变换的图像融合入手,系统的介绍了小波分析和研究了二维小波变换在图像融合中的框架及其应用。由于小波分析在时域和频域同时有良好的分辨性,利用多尺度分析方法,可以在不同的尺度下观测信号不同精度的局部特征。最近几年,多分辨率分析已经成为解决图象处理的最可靠方法之一。目前,小波分析的研究比较热门,是近年来国内外一个比较活跃的研究领域并在图像融合处理中占有重要的地位。     

小波变换在图像融合中的应用研究

小波变换由于良好的多分辨率分析特性,常被应用到红外和可见光图像融合中.通过深入研究小波基的紧支集和正交性等特性以及小波变换层数对融合结果的影响,结合对融合实验的分析,综合考虑图像背景信息、目标区域和实时性等因素,总结出了根据不同的融合目的来应用小波变换的方法,为实际处理中小波变换的应用提供了参考.     

基于小波变换的多聚焦图像融合

多聚焦图像融合是图像融合领域的一个重要分支,小波分析方法使得多聚焦图像融合研究取得了重大发展。本文首先探讨了多聚焦图像融合的概念和一般融合方法,然后论述了图像的小波分解原理,最后给出融合效果的评价标准,并通过仿真实验进行了定量的分析和比较。     

基于离散多小波变换的医学图像融合

研究了基于多小波的医学图像融合,在分析了CT图像和MRI图像特性的基础上,提出了基于离散多小波变换的图像融合框架模型。详细阐述了如何使用GHM多小波对2D图像实现分解———融合规则选择———多小波重构。与单小波不同,多小波分解前需要对图像进行预处理,以及重构后的后处理。文章的最后比较分析实验结果,证实了基于离散多小波变换图像融合相比于单小波融合方法的优越性。     

基于离散多小波变换的多聚焦图像融合方法

多小波是小波理论的扩展,多小波变换能够为图像分析提供一种比小波多分辨率更加精细的方法。利用多小波将两幅图像进行融合后得到的融合图像,能够很好地将原图像的细节融合在一起。在研究离散多小波图像分析法基础上,提出了一种基于离散多小波变换的多聚焦图像融合方法。试验结果表明,该方法能够很好地解决多聚焦图像融合问题,具有良好的融合特性,得到的融合图像效果优于传统图像融合方法。     

小波变换及其在图像融合中的应用

本文通过对小波变换理论的研究,分析了二维离散小波分解与重构的算法,引出了基于小波多尺度分解的图像融合的方案。     

基于NSCT变换的红外与可见光图像融合新算法

考虑红外与可见光图像的成像机理,提出把非下采样Contourlet变换用于该类图像融合的改进措施.先用NSCT变换在多尺度和多方向上去分解已经配准的图像,可以得到低频系数部分和高频系数部分;再对低频子代部分应用归一化局部方差的差和融合阈值比较的融合规则,对于高频方向子代部分则使用拉普拉斯能量和的能量取大的融合方法;最后把NSCT逆变换应用在高低频部分,输出最后的图像.通过对比实验可知,提出的新方法较传统的图像融合方法更能准确地反映所要研究的场景.     

结合tetrolet与红外显著性特征提取的红外与可见光融合

针对红外与可见光图像融合过程中红外热目标不突出、纹理及边缘细节易缺失等问题,提出一种结合tetrolet变换域与红外显著目标特征提取的融合方法。首先,在SURF框架内构建基于HOG的特征点描述符实现红外与可见光图像的精确匹配;其次,基于贝塞尔面结合背景及目标进行自适应抑制完成红外目标显著性特征提取;接着,将处理后的红外与可见光图像通过tetrolet多尺度变换分解为低频和高频分量;然后,利用基于局部能量和相对亮度自适应规则对低频分量进行融合,对高频分量采用基于局部空间频率自适应融合规则;最后,将融合的低频分量与高频分量通过tetrolet逆变换,以获得最终的融合结果。实验结果表明,本文算法对不同场景下的红外与可见光图像的融合效果不但主观上具有显著的目标特征,同时背景纹理和边缘细节清晰,整体对比度适宜,运行时间较其它算法得到了明显提升,并且在客观评价指标上也取得了较好的效果。     

基于直线段上下文的红外与可见光图像匹配

成像设备、所用光谱和拍摄时间等因素的差异给红外与可见光图像匹配带来了较大的困难。考虑到边缘直线段在异源图像中的稳定性,提出一种基于线段上下文的红外与可见光图像匹配方法。首先,采用LSD(line segment detector)算法检测出图像中的直线段,接着按照几何约束规则挑选出关键直线段,并计算它们的交点,将交点与Harris角点一起组成图像特征点;通过计算特征点四象限邻域内线段的得分,得到每条线段对特征点的贡献,在此基础上采用圆形阵列的方式,构建基于线段上下文的特征描述子;最后运用双向匹配策略和RANSAC算法实现红外与可见光图像的匹配。实验结果表明,所提方法能够对灰度差异较大的红外与可见光图像实现精确匹配,并且在鲁棒性和时间效率方面都要优于主流异源图像匹配算法。     

基于深度学习的红外与可见光图像融合综述

图像融合技术是指从不同的源图像中提取并融合互补的信息,生成一幅信息量更丰富、对后续高级视觉任务提供足够支持的图像.红外与可见光图像融合（Infrared and Visible Image Fusion,IVIF）是图像融合领域的一个重要分支.近年来,深度学习技术在视觉计算领域表现出了良好的性能,尤其是基于自编码器、卷积神经网络、生成对抗网络等几种基于深度学习的IVIF技术得到了蓬勃发展.为此,对基于深度学习的IVIF算法的方法、数据集和评估指标等进行了总结和阐述;通过大量的实验,进行定性和定量的结果分析,对比了各类基于深度学习IVIF算法的性能;最后,讨论了该领域未来发展的一些前景和研究方向.     

一种基于总变分与显著性检测的红外与可见光图像融合方法

红外与可见光图像融合是多源信息融合中的一个重要研究内容,它在军事侦察等方面有着广泛的应用.本文基于总变分模型和显著性检测方法,提出了一种有效的融合方法.首先,通过对红外与可见光图像的特征分布考察,构建了一个信息融合的总变分模型.其次,基于亮度对比度的显著性检测,给出了总变分模型中保真项权值的估计方法.实验仿真表明,无论是视觉观察还是客观评价,本文的方法均比一些现有方法体现了更好的结果.     

基于目标提取的红外与可见光图像融合新算法

针对灰色系统理论在空间域对红外与可见光图像融合的不足,以及非下采样Contourlet变换（ NSCT）在图像融合领域的优势,提出了一种基于目标提取的红外与可见光图像融合新算法。首先,对红外和可见光图像分别进行NSCT变换;其次,对红外低频分量应用灰色系统理论进行目标提取,并利用所提融合规则对低频分量进行融合,同时对高频分量采用常用融合规则进行融合;最后,对融合后高、低频分量进行NSCT逆变换,得到融合图像。通过与4种常用方法进行实验对比,结果表明,文中算法得到的融合图像视觉效果较好,某些客观评价指标提升明显。     

特征差异驱动的红外偏振与光强图像融合简

针对原有红外偏振融合算法中单一差异特征对不确定和随机变化的图像特征信息不能有效描述而产生不利于融合的问题,本文在分析源图像差异特征形成机理基础上,提出了一种基于NSCT（non-subsampled contourlet transform）的红外偏振与光强图像的特征差异驱动融合算法。通过实验仿真表明,相比SVT（support value transform）、WPT（wavelet packet transform）和NSCTLELV（NSCT local energy and local variance）,该算法能更有效地融合源图像的互补和细节信息,且在实际的目标识别中具有一定的应用价值。     

基于广义邻域结构相似度的红外和彩色可见光图像融合

针对 HIS 空间各通道间不具有正交性,导致基于该颜色空间的图像融合中颜色畸变较明显,而 lαβ彩色空间具有感知去相关性,结合非下采样 Contourlet 变换系数在不同尺度、方向和位置间具有很强的依赖性,提出一种基于广义邻域结构相似度的红外和彩色可见光图像融合法,首先将彩色可见光图像转换到 lαβ空间,利用非彩色通道对红外图像重映射;然后 NSCT 分解非彩色通道和重映射图像,对低频系数采用不同融合规则比较,高频子带采用综合同尺度中邻域系数能量和兄弟子带间的结构相似度的融合规则,重构 NSCT 融合系     

基于边缘响应和自相似的红外与可见光图像区域特征匹配方法

红外与可见光图像的匹配是计算机视觉中一项重要的研究课题.由于红外与可见光光谱的差异,图像之间的相似性较低,图像匹配正确率较低.根据红外与可见光图像区域形状相似特点,提出了一种基于边缘响应和自相似区域特征匹配方法.该方法首先计算红外与可见光图像的边缘响应并检测区域特征,然后提取区域形状并建立区域形状的自相似描述,最后对区域特征进行匹配.实验结果表明,该方法在特征检测可重复率和特征匹配准确率等方面均具有良好的性能.