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.     

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.     

采用频域融合方法的砂轮刀具磨损三维重构技术

针对聚焦合成方法在砂轮刀具磨损区域三维重构过程中高度值离散的问题,运用傅里叶变换将聚焦合成方法与明暗形状恢复方法相结合,提出了聚焦合成方法的高度值连续化新方法。运用傅里叶变换,在频域中对聚焦合成方法形成的三维重构图像进行高通滤波,对明暗形状恢复方法形成的三维重构图像进行低通滤波,并将滤波后的图像在频域叠加,经过傅里叶反变换,得到空间域融合后的刀具磨损区域三维重构图像。分析和实验表明,融合后的三维重构图像同时保留了聚焦合成方法中蕴含的离散几何高度信息和明暗形状恢复方法中蕴含的表面细节特征信息,能有效避免由于聚焦合成方法中高度值离散带来的误差。     

基于轮廓波包变换的磁瓦表面缺陷提取

针对磁瓦图像对比度低、背景复杂及亮度不均匀等特点,结合磁瓦表面缺陷采用机器视觉自动检测的需求,提出一种基于平稳小波包和非下采样方向滤波器组构造的轮廓波包变换的缺陷提取方法.首先详细论述了轮廓波包变换构造原理,利用平稳小波包变换时不变特性,建立一种新的轮廓波包变换来保证信号的多尺度方向选择性.其次,利用轮廓波包系数的相关特性,采用相关去噪算法消除磁瓦缺陷图像噪声;根据轮廓波包子带系数在不同区域的三维特性,使用自适应阈值修正子带系数,保留缺陷子带系数.最后,采用轮廓波包逆变换重构轮廓波包子带系数,获得缺陷图像.实验结果表明,相比于Sobel和小波包的边缘检测方法,该方法能有效消除磁瓦图像噪声,提取缺陷图像准确率可达95%.     

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...     

基于多特征的旋转不变纹理图像检索

为了消除图像旋转对图像检索的影响,提出了一个基于非下采样轮廓波变换、灰度共生矩阵和新相似性度量的旋转不变纹理图像检索算法。非下采样轮廓波变换具有各向异性和平移不变性。灰度共生矩阵描述了图像的方向性、邻近空间关系和方差的变化范围。通过计算每个非下采样轮廓波变换尺度下的所有子带的平均能量和平均标准差,灰度共生矩阵的二阶矩角、惯性熵、惯性矩、反差分矩,惯性相关系数的均值、标准差,得到具有旋转不变性的纹理多特征。提出一种新的相似性度量以改进纹理图像检索性能。实验结果表明,对于1个含640幅图像的旋转纹理图像库,与基于双树复小波变换的方法相比,该文图像检索算法将旋转纹理图像检索准确率由73.28%提高至80.71%。     

基于非下采样Contourlet变换的 SVM多聚焦图像融合

提出基于非下采样Contourlet变换的支持向量机(SVM)多聚焦图像融合算法. 采用非下采样Contourlet变换分解图像得到不同频域子带系数. 针对直接取系数绝对值最大融合规则不能反映图像区域的缺点,提出SVM分类系数融合规则. 根据各子带系数物理意义将区域方差、区域能量作为SVM核函数参考量来选择清晰像素点系数,根据融合系数重构得到融合图像. 结果证明该算法能有效并准确地融合图像中的信息.     

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。     

剪切波与脉冲耦合网络结合的医学图像融合

针对图像融合产生的边缘模糊、对比度偏低、重要细节信息保留不充分的问题,提出了一种新的非下采样剪切波变换域的医学图像融合方法。首先对源图像进行非下采样剪切波变换,获得其细节图和近似图;对于细节图,采用细节特征信息作为外部激励条件,刺激脉冲耦合神经网络以实现图像融合;对于近似图,采用基于视觉显著映射实现融合;最后,进行逆剪切波变换得到融合图像。实验表明,此方法能有效提高融合图像的对比度以及细节丰富度等重要信息,与5种代表性的融合方法相比,本方法具有较好的视觉效果,在图像客观评价指标方面具有一定优势。