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。     

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.     

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。     

结合HSI变换与双通道脉冲发放皮层的彩色多聚焦图像融合

结合非下采样剪切波变换(NSST)和改进的拉普拉斯能量和以及双通道脉冲发放皮层模型(DCSCM),提出一种新的彩色多聚焦图像融合算法.首先对源图像进行HSI彩色空间变换获得色调、饱和度和亮度分量,对源图像亮度分量采用NSST进行分解,获取相对应的高低频分解系数;然后低频分量系数依据改进的拉普拉斯能量和规则进行筛选,高频分量系数采用DCSCM进行融合,经过NSST逆变换获取亮度信息的融合分量;最后利用源图像与亮度分量的欧式距离关系实现色调与饱和度分量进行的分配,通过HSI逆变换获得最终的融合结果.实验结果表明,算法取得了较好的视觉效果并且在互信息、结构相似度、边缘保留度等客观评价指标中具有优势.     

改进多重字典联合自适应学习的稀疏壁画修复

针对壁画稀疏表示修复算法字典单一、细节修复欠佳的问题，提出了一种改进多重字典联合自适应学习的稀疏壁画修复算法.首先，采用非下采样剪切波NSST将破损壁画进行分解，获取壁画的低频纹理子带图像和高频结构子带图像，解决了稀疏表示算法对壁画图像结构和纹理信息考虑不足的问题.然后，提出了多重字典自适应学习的稀疏方法，将低频纹理图像根据像素之间特征的相似性进行聚类，构建多重稀疏子类字典，并利用奇异值分解和分裂Bregman迭代优化完成低频分量修复.接着，引入脉冲耦合神经网络机制，修复壁画图像的高频结构子带.最后，通过NSST逆变换融合完成修复.采用真实壁画进行修复的实验表明，该算法能够有效保护壁画图像结构和纹理层等重要信息，所提算法相较对比算法取得了更好的视觉效果和客观评价.     

基于非降采样剪切波变换的图像融合

文章使用了非降采样的剪切波变换方法对肺部PET-CT图像进行融合,将已配准的PET与CT图像进行多尺度分解得到低频系数和高频系数,使用加权平均法对低频系数进行融合,使用局部能量最大化方法对高频系数进行融合.与小波融合、轮廓波融合和剪切波融合进行对比,从实验角度验证了该方法的有效性.     

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。     

结合稀疏表示与神经网络的医学图像融合

临床辅助诊断对医学图像视觉效果提出了较高的要求,但非下采样轮廓波变换(NSCT)分解获得的低频子带系数不具有稀疏性,不利于保持源图像的细节信息。针对上述问题,提出了一种结合稀疏表示与脉冲耦合神经网络(PCNN)的医学图像融合算法。首先,通过NSCT将源图像分解成低、高频子带系数;其次,利用K奇异值分解(K-SVD)法训练低频子带系数获取过完备字典D,利用正交匹配追踪(OMP)算法稀疏编码低频子带系数,完成低频子带稀疏系数的融合。然后,利用高频子带的空间频率激励脉冲耦合神经网络,根据点火次数选择高频子带的融合系数。最后,将融合的低、高频子带系数通过NSCT逆变换重构出融合的医学图像。实验结果表明:对于边缘信息传递因子Q~(AB/F)指标,该算法灰度和彩色图像融合结果相比于对比算法约提升了34%和10%,且融合结果综合性能优于现有算法。     

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。     

OPTFR多小波在红外／可见光图像融合中的应用研究

针对OPTFR(Optimum Time-Frequency Resolution,最优时频分辨)多小波,设计了一种平衡滤波器,将其应用于红外和可见光图像融合.对红外图像和可见光图像分别进行三层OPTFR多小波变换,提取两幅图像的低频分量和不同尺度的高频分量.由于图像的大部分能量集中在低频分量上,而不同尺度上的高频分量反映了图像在不同尺度上的细节信息,所以在对源图像融合时,对低频分量和高频分量分别采用能量和方差的加权平均进行融合,对这些融合后的分量进行重构,得到融合图像.仿真结果表明:和以往的融合算法相比,该算法强化了源图像的细节信息,提高了融合效果.     

基于小波变换的双通道脉冲耦合神经网络图像融合

提出了一种基于小波变换的双通道脉冲耦合神经网络的图像融合方法.先使用小波变换的方法来分解配准后的各个源图像,进而得到各个源图像的低频分量和高频分量,再把得到的低频和高频系数进行融合处理,使用高斯加权平均的低频融合规则来处理低频子带,利用双通道脉冲耦合神经网络的融合规则处理各高频子带,链接系数为图像的清晰度.融合后的小波系数取决于点火图和点火次数的多少,最后的融合图像由小波逆变换得到.实验结果表明,该方法能更有效地提取原始图像的特征信息,在主观视觉效果以及客观性能指标上较传统算法都有所改善.     

基于Piella框架和DT-CWT的肺癌PET/CT自适应融合算法

通过分析Piella框架和多尺度分析的理论,在Piella框架的基础上给出了四种像素级融合规则的构造方法,即四种融合路径,在第一种融合路径的基础上,提出了基于Piella框架和DTCWT的肺癌PET/CT自适应融合算法,该算法首先对已配准的PET和CT图像进行DTCWT变换;然后,根据低频子带的特点,考虑到病灶部位在整幅图像中所占的面积较小,合理处理医学图像的背景以凸现病灶,采用自适应组合隶属度函数的融合规则;其次而对高频子带系数的选取,根据高频子带反映图像的细节特性和边缘信息;再次,由于高频系数的选择对图像的清晰度、边缘失真程度影响大,故对高频分量的融合选择分解系数的能量差异作为匹配测度、区域能量作为活性测度,并将加权与选择的方法相结合确定决策因子对高频分量进行融合.最后进行了仿真实验,与其他像素级融合算法进行了比较,并对图像融合效果作客观评价,实验结果表明,该算法可以更好地凸现图像中病灶的边缘和纹理信息.     

基于双通道PCNN的NSST域红外与可见光图像融合

针对传统红外与可见光图像融合中存在的一些不足,提出一种新的基于非下采样剪切波变换(NSST)和双通道脉冲耦合神经网络模型(2APCNN)的红外与可见光图像融合算法.该算法首先对红外图像进行预处理,提高源图像的对比度,再对红外与可见光图像进行NSST分解得到低频和高频子带系数;然后对分解后的低频子带系数进行二维小波分解再次得到相应的低频和高频子带,低频部分采用一种基于显著图的融合策略,高频部分采用绝对值取大的原则,之后再对低频和高频采用小波逆变换得到NSST重构所需的低频部分;接着对NSST分解后的高频子带采用双通道PCNN进行处理;最后对处理过的低频和高频子带进行NSST逆变换得到最终的融合图像.几组图像的实验结果对比显示,该算法相比其他算法在客观评价指标和视觉效果上均取得了一定的改进.     

基于NSST域非线性扩散滤波修正的人脸偏振热像融合算法

为使边缘特征与纹理细节更加突出，先利用非负矩阵将Stokes参量图像Q、U分别与I融合；然后利用NSST分解为高频与低频；再采用修正的非线性扩散滤波滤除高频子带噪声；最后以区域能量最大和匹配规则进行高低频系数融合，并通过剪切波逆变换获得最终融合图像。实验表明，基于NSST域非线性扩散滤波修正的融合算法可增强人脸轮廓、边缘和纹理信息，平均梯度、信息熵、标准差、空间频率等评价指标显著提升，视觉效果好。     

基于边界约束最优投影梯度NMF的TINST域图像融合方法

针对多模态图像的融合问题, 提出一种平移不变不可分离剪切波结合边界约束最优投影梯度非负矩阵分解的图像融合方法, 解决了已有融合方法中融合精度较低的问题. 该方法利用平移不变不可分离剪切波对源图像进行分解; 将低频子带系数视为原始观测数据, 采用边界约束最优投影梯度非负矩阵分解算法得到包含特征基的融合低频子带系数, 将高频方向子带系数作为脉冲耦合神经网络的外部输入激励, 边缘强度作为链接强度, 经点火处理和判决选择运算, 得到融合高频方向子带系数; 最后对融合子带进行平移不变不可分离剪切波逆变换得到融合图像. 为了验证该融合方法的有效性, 对几组不同模态的图像进行对比融合实验. 融合图像的主观与客观评价结果表明, 该融合方法优于目前已有的典型多尺度图像融合方法.     

改进基于小波变换的PCNN图像融合算法

以小波变换为基础，针对小波分解后高频域和低频域的特点，分别在低频域采用基于PCNN（脉冲耦合神经网络）的融合方法，在高频域采用改进的PCNN融合算法．仿真图像和评价指标结果显示：改进的PCNN融合算法，有效地提高了图像在边缘、纹理、保留更多源图像信息等方面的综合性能。     

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。     

非下采样Contourlet变换耦合锐度制约的遥感图像融合

当前多数遥感图像融合算法主要是依靠比值法选取全色图像或多光谱图像中的其中一个高频子带作为高频融合系数,忽略了另一个高频系数所包含的信息,易导致融合图像出现模糊以及光谱失真等不足.对此,本文提出了基于非下采样Contourlet变换与锐度制约模型的遥感图像融合算法.通过亮度-色调-饱和度(IHS)变换,获取多光谱图像的I,H,S分量,利用非下采样Contourlet变换对多光谱图像的I分量以及全色图像进行多尺度精细分解,得到相应的低频子带与高频子带;利用像素点邻域的像素值之差构造锐度制约模型,完成低频子带的融合.考虑多光谱图像中I分量与全色图像的高频子带特征,构造高频子带融合模型,完成高频子带的融合;将融合后的高频子带与低频子带通过非下采样Contourlet逆变换,输出融合图像的亮度分量珔I,将珔I与H,S分量进行IHS逆变换,形成最终的融合图像.仿真实验显示,与当前遥感图像融合方法相比,所提方法的融合图像具有更高的视觉质量,可保留更多的光谱以及边缘等图像细节信息.     

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。     

一种基于WT和NSCT变换的复合医学图像融合算法

提出了一种基于WT和NSCT的复合医学图像融合算法。首先,对原始图像采用NSCT变换获得各方向的低频分量和高频分量,然后计算图像之间的相关系数,采用NSCT根据不同分解层的方向特征,对高频系数根据方向区域进行能量融合。最后,重新组合融合后的高频和低频分量,采用反变换的NSCT得到最终的图像融合结果。实验表明了该方法能完好保留原始图像的边缘和过渡区域信息,具有较好的细节表征能力和融合效果。