基于边缘增强的多聚焦图像融合方法

提出一种基于边缘增强的多聚焦图像融合方法,对需要融合的2幅图像进行小波多尺度分解,根据绝时值最大的方法对高频细节分量图像进行融合,通过增强和提取原始图像的边缘信息强度指导低频近似分量的融合,以此突出融合图像中的边缘信息．采用信息熵和标准差等评价指标对该方法进行客观评价．结果表明：该方法融合效果良好,可以更好地突出低频域边缘细节信息,提高融合图像的清晰度,改善视觉效果．     

基于小波变换的多聚焦图像融合方法

为了改善图像融合效率,针对当前图像融合方法存在的局限性,提出一种基于小波变换的多聚焦图像融合方法.首先确定最优的小波分解层数,采用小波变换对图像进行多次分解;然后考虑低频子带与高频子带各自的特点,选择局部平均梯度准则作为高频子带的融合规则,低频子带采用3个系数的平均值作为融合规则;最后通过仿真实验对图像融合的有效性进行测试.实验结果表明,该方法获得了更理想的图像融合结果,提高了融合后的图像质量,且融合效果明显优于对比图像融合方法.     

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。     

基于压缩传感理论的多聚焦图像融合方法

压缩传感(CS)理论是对稀疏或可压缩的信号进行采集、编解码的新理论.文中提出了基于CS理论的多聚焦图像融合方法.新方法包括被融合图像的压缩传感变换、像素级融合处理和稀疏重构,其中,采用加权法、对应位置分量最大值法和系数判决准则法进行图像融合处理.对该方法进行图像融合实验,并同基于小波变换和其它基于CS理论的融合算法进行比较.结果表明:CS融合(加权法)得到的信息熵大于CS融合(最大值法),CS融合(系数判决准则法)则介于CS融合(加权法)和CS融合(最大值法)之间;用CS理论进行融合所得到的图像的信息熵均高于采用相同方法基于小波进行融合得到的图像的信息熵.     

基于方差分析特征检测的多聚焦图像融合方法

由于光学CCD传感器深度特性的限制,不可能得到一幅场景的全聚焦图像.为了克服这一缺陷,很多学者在这方面作出了研究,到目前为止,一种较好的方法是将多幅多聚焦图像通过某种融合策略汇总成为一幅图像,该幅图像充分表现场景各个位置的全聚焦信息.提出一种基于方差分析方法的多聚焦图像融合算法,对每一幅聚焦图像,求取每一个像素点的方差分析对比度函数.融合过程是根据这一对比度系数确定融合策略,得出融合结果图像.实验结果表明,该算法显示了融合性能的有效性.     

一种基于图像块分割的多聚焦图像融合方法

针对多聚焦图像，提出了一种基于图像块分割的图像融合方法，采用块区域局部对比度将多聚焦图像分割成三部分：聚焦清晰区域、聚焦模糊区域以及两者之间的边界区域，对于清晰区域和模糊区域，直接选取清晰块区域作为融合后相应块区域；对于边界区域，建立了基于对比度的像素选取方法进行融合处理，实验对比结果表明，该方法明显优于拉普拉斯金字塔融合算法和离散小波变换融合算法。     

多聚焦图像的自适应分块融合方法

人类的视觉系统对图像边缘区域非常敏感,属于不同区域的像素在边缘位置处的相似性最低。为了体现多聚焦图像在成像方面的差异,突出不同图像中的聚焦景物,提出一种基于像素块灰度相似矩阵的自适应多聚焦图像融合方法。方法以像素块灰度相似矩阵及其偏差中值作为融合的分块及融合准则,即根据像素块的灰度相似性来对融合源图进行自适应分块并依据偏差中值对分块后的图像进行融合的方法。由实验、主观评价及客观评价(标准差、清晰度、最大偏差、空间频率)结果显示,该方法优于常规小波变换融合方法。     

改进区域分割的多聚焦图像融合方法

针对传统多尺度几何分析方法在图像融合时易损失清晰度以及融合规则选取复杂的缺点,提出一种改进基于区域分割的多聚焦图像融合方法;首先,根据提升静态小波变换快速获得初始融合图像,并对初始融合后的图像进行Normalized Cut算法处理以获得不同的分割区域,然后分别对原始图像进行NSCT变换并计算每个分割区域内高频分量系数的绝对值之和,最后选取绝对值最大的区域为融合后区域,并通过遍历每个分割区域获得融合后的多聚焦图像;数值试验证明,本算法不但融合规则选取较传统多尺度分析融合算法简单,还能够有效克服清晰度损失的缺点,具有有效性。     

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NSCT变换的多聚焦图像融合

近年来,图像融合研究发展迅速,已成为图像处理中一个重要的分支。图像融合是图像处理中重要应用部分,常用于多源传感器图像融合。本文研究了基于NSCT变换的多源图像融合。并与小波变换,contourlet变换进行了参数评价分析。分析表明利用NSCT变换比小波变换,contourlet变换得到的结果更优。     

基于显著性保持的多聚焦图像融合

提出一种基于显著性保持的多聚焦图像融合方法.该方法首先利用显著性评测函数计算源图像的显著性特征,然后利用显著性系数构建融合图像的目标梯度,最后迭代求解得到融合图像.同时研究了利用显著性特征融合彩色图像中的色调和饱和度分量.多聚焦图像上的实验结果表明该算法相比较其他算法具有更好的融合效果.     

基于非子采样Contourlet变换的多聚焦图像融合方法

非子采样Contourlet变换(NSCT),是针对Contourlet变换的一些局限性进行了改进,可以对图像进行灵活的多尺度、多方向和平移不变性分解.提出了一种基于NSCT的多聚焦图像融合方法.首先对多聚焦图像进行NSCT变换;然后对变换得到的低频分量系数采用改进的加权平均融合规则进行融合处理,对高频分量的最高层和其它层系数分别采用绝对值最大和改进的区域方差融合规则进行融合处理;最后重构图像得到融合结果;并给出了实验结果.对结果的分析比较表明,所提出的融合规则的效果优于常用的融合方法和参考文献的融合方法.     

基于NSST域方向性加权的多聚焦图像融合方法

传统区域特性方法在进行图像融合时,一方面,低频子带融合规则不能同时充分利用区域内能量信息和边缘信息,另一方面,高频子带融合规则没有充分利用子带的方向性信息。针对传统区域融合方法存在上述局限性的问题,提出了基于NSST域方向性加权的区域特性图像融合方法。首先对图像进行NSST分解,得到一个表征图像概貌的低频子带和多个表征图像细节的高频子带;针对低频子带含有轮廓能量的特点,提出采用基于区域能量匹配的空间频率融合规则,从能量和区域变换2个方面对邻域信息加以利用。针对高频子带含有方向性信息的特点,提出采用带有方向加权的改进拉普拉斯能量和的融合规则,并通过实例验证了该方法的有效性。     

基于第二代Curvelet变换的多聚焦图像融合方法研究

本文针对光学成像系统聚焦范围有限,很难使得同一场景中所有物体都清晰这一特点,将一种多尺度几何分析方法——第二代Curvelet变换引入到多聚焦图像融合之中。本文通过对多幅多聚焦图像Curvelet变换后的系数进行调整,再进行Curvelet反变换得到结果图像。实验结果表明,基于Curvelet变换的多聚焦图像融合结果好,空间质量得到显著提高。     

基于区域能量的多聚焦图像融合算法

针对同一场景两幅严格配准的多聚焦图像的融合问题,设计了一种基于区域能量的多聚集图像融合算法。该算法利用金字塔变换得到图像的多分辨序列,采用基于区域能量的融合方法,在图像的相应层次序列的各级金字塔图像上进行融合,以获取最终的融合图像。从目视效果来看,采用本文算法进行图像融合,能够将两幅多聚焦图像融合成一幅比较清晰的单一聚焦图像。实验结果表明,本文算法与同类其它算法相比较,熵提高了0.01%～4.4%,交叉熵降低了52.93%～95.77%,互信息提高了3.13%～26.55%。     

基于方向对比度的彩色多聚焦图像融合

提出了一种基于方向对比度的彩色多聚焦图像融合算法：首先提取出各三基色分量，并对它们分别进行小波变换得到待融合图像的多分辨分析，求出各三色分量多分辨率图像的方向对比度，然后以方向对比度为判据．在图像的多分辨分析的相应各级上进行融合，利用小波逆变换重构出三基色分量融合后的图像，最终再合成融合后的彩色图像．试验结果表明：此算法能较好地解决彩色多聚焦图像融合问题．     

基于差异演化的多聚焦图像融合算法

多聚焦图像融合就是综合和处理多个源图像的信息,来获取对同一场景或物体的更为准确、更为全面、更为可靠的图像描述.对于可见光成像系统而言,特别是含有长焦距的光学镜头,对景深有一定的限制.因此,将场景中的所有物体都成像清晰是很难的,这个问题采用多聚焦图像融合技术可以很好解决.通过提出一种基于差异演化的多聚焦图像融合算法,首先将源图像进行分块,然后用清晰度评价函数比较对应图像块的清晰度,选择清晰度高的作为清晰图像块,最终重构融合图像.该方法的积极意义在于,优化后的图像块比没被优化的使用效果更佳.实验结果表明,从定量和视觉两方面评价,都明显优于遗传算法和其他传统的图像融合方法.     

基于分数阶微分的多尺度多聚焦图像融合

针对多聚焦图像融合问题,借鉴多尺度融合方法对各个尺度的互补信息进行针对性融合.首先,运用L0梯度最小化的平滑方法将源图像分解为背景层和细节层,然后在背景层的融合中运用分数阶边缘检测掩模保持边缘信息,在细节层中引入分数阶梯度能量算子进行权值分配.实验结果表明,与整数阶梯度能量清晰度算子相比,本文所提出的分数阶梯度能量算子...     

一种基于第二代曲波变换的多聚焦图像融合方法

提出了一种基于第二代曲波变换的多聚焦图像融合方法。将两幅源多聚焦图像分别进行第二代曲波变换分解,得到各自的低频子带系数和各带通方向子带系数;采用一定的融合规则对曲波变换系数进行组合得到融合图像的曲波系数;最后对得到的曲波系数进行曲波重构得到融合图像。实验结果表明,该方法的融合效果明显优于常见的融合方法。     

基于快速离散Curvelet变换的多聚焦图像融合

Curvelet变换除了具有一般小波变化的多尺度,局部性外,还具有方向性,本文将以Curvelet变换为基础,对图像进行Curvelet分解得到图像的低频和高频系数,并分别讨论了低频系数和高频系数的选择原则。对低频系数采用基于局部边缘准则,而对于高频系数采用基于局部标准方差的方法。实验结果表明,这种方法能够在保留图像微小细节方面获得满意的结果,这种算法有效且优于其他的图像融合方法。