像素级的图像融合方法

本文提出了一种基于小波变换的图像融合算法。与传统金字塔方法相比较,基于小波变换的融合算法能够很好地保持图像的信息,提取源图像信息的能力更强,具有广阔的应用前景。     

采用提升方向波变换的异源图像融合新算法

方向波(Directionlet)变换是一种基于格子的歪斜小波变换,与标准二维小波变换相比,它具有多方向性和各向异性,能够更好地描述图像的特征.针对异源图像融合这一研究热点,提出了一种新的基于方向波变换的图像融合方法,并采用提升算法有效地解决了该变换方法的运算速度问题.首先,对已配准的两幅图像分别沿变换和队列方向进行次数不等的提升变换,得到具有各向异性的子图;然后,采用低频子图直接平均融合,高频部分选择具有较强各向异性信息分量的方法得到融合图像的所有方向波变换系数;最后,经过反变换得到融合图像.实验结果表明:该算法的融合效果和运算速度都优于标准小波变换和其他的二代小波变换.     

基于FPGA的IHS和提升小波变换的图像融合实现

在分析IHS和提升小波变换图像融合算法理论的基础上,给出了一种基于FPGA的该图像融合算法的设计实现。该设计首先对IHS变换模块进行了硬件实现构造,然后设计了多级小波提升模块以实现图像融合质量和小波分解层数的合理匹配。实验结果表明,采用本设计方法进行图像融合,误差小、精度高,融合效果优良,能够在FPGA上实现以满足图像实时处理的需求。     

基于区域能量比的红外与可见光图像融合方法

目前大部分基于小波变换的图像融合算法只是考虑单个小波系数的独立性或者其邻域的相关性,这样影响了图像融合的结果.针对这一点,提出一种新的基于区域能量比的图像融合算法.实验结果表明该算法能够较好地保留光谱信息和细节信息.     

基于多尺度边缘表示的偏振图像二次融合算法

针对传统成像技术探测信息量少以及传统图像融合方法计算量大,不能凸显边缘轮廓的问题,提出一种基于多尺度边缘表示的偏振图像二次融合方法。首先,对同时偏振成像系统获取的4个偏振角度图像进行多尺度边缘去噪、配准预处理。然后一次融合,即将预处理后的4个偏振角度图像进行二进小波分解,在不同尺度上对低频、高频系数进行特定组合,计算得到Stokes向量［I Q U V］T,线偏振度(DOLP)和偏振相位角(AOP)等偏振信息;二次融合,即是根据边缘相关性原则融合偏振强度图像和线偏振度图像经小波分解后的高频系数,低频用区域能量的方法。最后,采用交替投影迭代法重构融合图像的低频、高频系数,得到重构图像。实验结果表明,本文算法的融合性能优于传统方法。以小波变换法为参考,平均值提高65.48%,标准差提高95.98%,平均梯度是传统小波的6.45倍,边缘强度是小波变换的5.54倍。本算法提高了运算速度,结合了强度图像亮度信息和线偏振度图像反映不同物体性质的特点,突出了目标轮廓细节,能很好地识别隐藏、伪装的目标。     

基于提升小波的古铜镜X光图像融合方法研究

为了将古铜镜X光图像信息综合到同一图像中, 采用提升小波的方式将源图像进行分解, 并分别对低频、高频采用不同的融合规则进行了图像融合。低频采用区域能量与区域方差相结合的方法, 高频采用空间频率加邻域像素点规范中间像素点的方法, 最后经提升小波逆变换得到目标图像; 同时进行了理论分析和实验验证, 取得了融合图像的信息熵、平均梯度和标准差数据。结果表明, 在3组实验中, 相对于其它几种算法, 本文中算法的信息熵平均提升了5.76%, 平均梯度平均提升了28.70%, 标准差平均提升了7.70%, 算法有效地保留了源图像的信息, 对于边缘的传递效果更优秀。这一结果对古铜镜X光图像的融合是有帮助的。     

一种基于提升小波变换的图像融合方法

在针对传统的多尺度分解的融合方法运算速度慢、内存需求量大，不适于实时应用的局限性的基础上，提出了一种基于提升小波变换的图像融合算法。多个源图像分别进行提升小波分解，使用恰当的融合规则合并各尺度对应的分解系数，通过提升小波逆变换得到融合图像。实验结果表明，提出的算法无论在执行时间还是融合图像质量上都优于传统方法，有广泛的应用前景，特别适用于实时系统。     

基于Laplacian算子的小波变换图像融合算法

针对传统融合算法在图像融合时,不能很好地保留源图像信息和边缘信息的缺点,提出了一种基于Laplacian算子的小波变换图像融合算法。该算法利用小波变换对图像进行分解,分解后得到图像的低频系数和高频系数;对高频系数采用基于对两个Laplacian模板算子卷积结果相比较并进行筛选的融合规则;对低频系数采用基于拉普拉斯清晰度评价函数和8邻域局部方差相结合的融合规则;最后进行小波逆变换得到融合图像。对实验结果结合主观和多种客观评价方法进行分析。结果表明,该改进算法与传统融合算法相比融合效果更好,融合图像具有边缘信息丰富、图像清晰度高等优点。     

基于提升小波变换的红外图像融合算法研究

介绍了提升小波变换,提出了基于提升小波变换的图像融合方法,算法针对提升小波变换后的低频分量和高频分量的不同特点,选用了不同的融合准则进行融合,然后通过提升小波逆变换得到融合图像。通过分析可见光与红外图像的融合结果并与其他融合方法进行比较,实验结果表明,该算法使得融合后图像内容清晰,具有增强图像的空间细节能力,取得了较好的融合效果。     

基于三次B样条提升方案的图像融合算法

提出了一种基于三次B样条提升方案的图像融合算法,该算法是对三次B样条小波基进行提升,采用一定的融合决规则对高频分量和低频分量进行融合.高频分量采用多尺度下邻域方差法来计算,低频分量采取求平均的方法进行融合,最后将三次B样条提升算法与传统的小波变换算法的融合图像和参数指标进行比较,实验表明不论从视觉效果,还是采用信息熵,联合熵和平均梯度作为评价标准,都优于传统的小波变换法.     

基于提升小波和形态学融合的图像边缘检测

针对传统边缘检测方法边缘定位不精确的缺点,结合提升小波变换和数学形态学的优势,提出了一种融合提升小波和多尺度形态学的边缘检测方法.首先,对原始图像进行提升小波变换;再用小波变换和多尺度形态学算子分别对低频图像进行边缘检测,根据异或原则融合成低频边缘;然后,用小波变换检测高频图像边缘;最后,通过提升小波反变换得到边缘图像.实验结果表明,与传统或其他的形态学边缘检测方法相比,该算法在保持图像边缘清晰的同时,具有很强的边缘定位能力.     

基于快速整数提升小波变换的多幅图像融合

在分析已有多分辨率图像融合方法的基础上,针对多幅图像融合模型的选择问题,提出了一种基于快速整数提升小波变换的多幅图像融合新算法。首先采用整数提升小波变换将多幅源图像分解到不同尺度、方向频带范围内,然后根据图像提升小波变换后不同子带的特点分别采用了2种新的高、低频融合策略,最后通过整数提升小波逆变换得到融合图像。对多幅源图像进行了融合实验,并对融合结果进行了主观和客观的评价。实验结果表明,该算法不仅适合多幅图像的实时快速融合,而且可以获得视觉效果较佳、细节更为丰富的融合图像。     

一种基于提升小波的多传感器图像融合

提出了一种基于提升方案的五株形小波的多传感器图像融合方法,即在提升五株形小波多尺度分解的基础上,对每一幅图像进行多尺度分解,按照不同的融合规则和融合算子去构造融合图像对应的各小波系数,再通过逆变换重构融合后的图像.该方法被成功地用于多聚焦图像的融合处理.试验结果表明该融合方法十分有效,获得的融合图像更符合人眼的视觉特性、更有利于进行目标监视和侦察.     

基于提升小波和人眼视觉特性的自反馈彩色图像融合

提出了一种基于提升小波变换和人眼视觉特性的自反馈彩色图像融合算法.首先讨论提升小波变换的基本原理,然后考虑到人眼的视觉特性,将彩色图像变换到YIQ颜色空间,运用不同融合规则进行融合.对I和Q色差分量采用平均法融合,对Y分量采用自反馈法得到其最终优化融合结果,最后由三分量融合结果变回RGB颜色空间.实验结果表明,该算法具有良好的融合效果.     

一种基于提升小波的快速图像融合算法

提出了一种基于提升小波变换的快速多聚焦图像融合方法。首先利用提升小波算法将原始图像分解为四个子带:LLLHHLHH后将代表三个方向高频细节子带LHHLHH采用提升小波反变换,以获得各方向子带的高频细节图像,采用高斯核权重算法计算所得到的高频细节图像的非均匀加权区域能量,再根据基于能量的图像融合规则得到最终融合图像。对比了几种多聚焦图像融合方案的性能,实验结果表明,在融合效果相当的情况下,文中方法比现有方法在处理速度上有明显的优势。     

基于小波变换与深度残差融合的图像增强算法

针对目前基于小波变换图像融合增强算法原始图 像中的多尺度细节信息的不足,提 出了一种改进的多尺度小波变换与深度残差选择相结合的图像增强算法。利用小波变换对原 始图像进行分解提取得到它的多级分解系数后,再利用不同规则对不同层次的小波系数进行 重构,与此同时引入深度残差算法的思想对子带系数做残差。对于高频子带系数,计算子带 残差的系数与梯度特征融合方法的系数,选用两者最大值进行融合增强;而对于低频子带系 数则采用梯度特征融合增强系数与子带残差系数取平均值的算法进行融合。通过在MATLAB 平台上的实验对所提出算法进行验证,峰值信噪比相较于对比的方法都有所提高,且均方根 误差也得到减小,结构相似度都得到提高,结果表明该算法能增强图像的多尺度细节信息, 提高图像的信噪比,且具有更好的图像增强效果。