基于NSST和改进PCA相结合的红外偏振图像融合（英文）

针对当前红外偏振图像融合的主流方法——多尺度几何分析法对图像表示只侧重某一方面的特点和空间域融合方法主成分分析法(PCA)易丢失小目标的缺点的问题,本文提出一种基于非下采样剪切波变换(NSST)和改进PCA相结合的红外偏振图像融合方法。该方法能充分利用NSST对图像细节表示的有效性和PCA能突出主要特征的特点,综合二者的互补性,充分保留不同源图像的目标和细节特征。首先用NSST将源红外光强和偏振图像分解为低频和不同方向的高频分量;其次,低频分量用改进的PCA进行融合,高频分量用局部能量和局部方差联合进行决策融合;最后,用NSST逆变换重构融合图像,得到最终红外偏振融合结果图。实验结果表明,本文方法在细节保留和视觉效果等方面较其它方法均有较高优势。     

结合分数阶显著性检测及量子烟花算法的NSST域图像融合

针对传统红外与可见光图像融合算法中存在的细节纹理信息不够清晰,边缘信息保留不够充分等问题,提出一种基于分数阶显著性及改进量子烟花算法的非下采样Shearlet变换(NSST)域图像融合方法。首先对红外与可见光图像进行NSST分解,低频分量先进行基于分数阶微分增强的显著性检测;然后按照显著图匹配度的融合规则进行融合,高频子带采用梯度变化和灰度差异加权策略进行融合;接着对量子烟花算法进行改进,并对高低频融合参数进行优化;最后输出最佳的融合图像。通过实验表明:基于分数阶微分增强的显著性检测具有较好的视觉显著效果,改进量子烟花算法的寻优能力强、收敛效率高,所提方法得到的融合图像有效地综合红外与可见光图像中的细节信息,与现有方法相比具有较好的融合效果,且自适应能力强、无需人工干预。     

多光谱图像融合的IC器件表面缺陷检测

针对单可见光或单红外条件下的IC器件表面缺陷对比度不足,缺陷检测精度低的问题,提出多光谱图像融合的IC器件表面缺陷检测方法。针对IC器件可见光与红外图像配准中存在尺度不一致和对比度反转问题,引入拉普拉斯金字塔和特征描述符重组策略改进ORB(Oriented FAST and Rotated BRIEF)图像配准算法。在图像配准的基础上,提出NSST＿VP图像融合方法,以非下采样剪切波变换（Non-Subsample Shearlet Transform, NSST）得到红外图像和已配准可见光图像的低频和高频子带,对低频子带采用视觉显著图（Visual Significance Map, VSM）加权融合规则,高频子带则采用自适应脉冲耦合神经网络（PA-Pulse Coupled Neural Network, PA-PCNN）决策融合规则,进而通过NSST逆变换得到高质量多光谱融合图像。最后,将融合图像输入YOLOv8s模型进行检测。实验结果表明,改进ORB的图像配准平均精度为87.8%,比ORB图像配准精度提高了62%,NSST＿VP图像融合算法在主观视觉效果和客观评价指标上均有所提...     

基于小波变换纹理一致性测度的遥感图像融合算法

本文提出了一种基于小波变换的遥感图像融合算法，利用多分辨小波变换的系数，采用低频图像的小波系数最小值作为融合后的低频系数，高频图像根据纹理一致性测度的纹理检测确定融合规则，调整高频小波系数大小。利用小波变换对图像相对应的低频分量及各方向细节分量进行针对性融合处理，很好地将来自不同图像的特征与细节融合在一起，并对融合图像质量进行了对比评价。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传统的图像融合方法。     

基于补偿机制的NSCT域红外与可见光图像融合

针对传统基于非下采样Contourlet变换和脉冲耦合神经网络的图像融合方法易出现图像失真的缺点,本文提出一种基于小波变换与PCNN补偿的NSCT域内红外与可见光图像融合方法。首先将红外和可见光图像分别进行NSCT分解,得到低频分量和高频分量;然后对低频分量进行二维小波分解,得到1个低频子带和3个方向子带,对其低频子带采用局部能量加权的方法进行融合,其余3个子带采用绝对值取大的方法进行融合;NSCT分解的高频子带融合规则分为对最高层的融合和其他层的融合,最高层采用绝对值取大的方法进行融合,而其余层采用的是基于改进型的PCNN的方法进行融合;最后将得到的低频子带和高频子带进行NSCT重构获得融合图像。合成及真实图像集实验结果表明,本文算法相对于传统的融合方法增加了图像的纹理和细节信息,有效地抑制了图像失真问题,具有较高的融合精度与较快的融合效率。     

基于小波多尺度分解的区域图像融合及算法研究

提出一种新的图像融合方法,该方法首先利用小波变换对要融合的图像进行多尺度小波分解;然后对分解后的各层上不同频带的子图像采用不同的融合处理技术,即在低频城内采用平均算子进行融合处理,以保留图像的背景信息,在高频域内对分解后的小波系数矩阵采用区域特征进行融合处理;最后将融合的低频分量和高频细节分量结合进行小波逆变换得到融合图像.采用该融合算法对两幅不同位置聚焦的图像进行融合实验,结果表明,采用该方法可以得到较好的融合效果.     

基于小波多尺度分解的区域图像融合及算法研究

提出一种新的图像融合方法,该方法首先利用小波变换对要融合的图像进行多尺度小波分解;然后对分解后的各层上不同频带的子图像采用不同的融合处理技术,即在低频域内采用平均算子进行融合处理,以保留图像的背景信息,在高频域内对分解后的小波系数矩阵采用区域特征进行融合处理;最后将融合的低频分量和高频细节分量结合进行小波逆变换得到融合图像。采用该融合算法对两幅不同位置聚焦的图像进行融合实验,结果表明,采用该方法可以得到较好的融合效果。     

结合引导滤波和卷积稀疏表示的红外与可见光图像融合

为了解决红外与可见光图像融合时信息容易相互干扰、影响融合质量的问题,将引导滤波、高斯低通滤波与非下采样方向滤波器组相结合,提出一种新的图像融合方法。利用引导滤波和高斯低通滤波,将源图像分解为低频近似部分、强边缘部分和高频细节部分,并将高频细节部分进行非下采样方向滤波,进一步得到高频方向细节部分;对低频近似部分应用基于局部区域能量的融合规则,对强边缘部分提出一种基于卷积稀疏表示的融合规则,对高频方向细节部分提出改进的脉冲耦合神经网络的融合规则,得到相应的融合部分,并通过逆变换得到最终的融合图像。对多组红外与可见光图像的实验结果表明,算法得到的融合结果的主观视觉效果和客观评价指标均优于传统的图像融合方法,其客观评价指标中的标准差、信息熵、互信息、平均梯度和空间频率相比融合效果较好的基于离散小波变换和稀疏表示的融合方法平均提高20.28%、2.24%、47.41%、5.34%、8.02%。     

基于邻域方差加权平均的多聚焦图像融合法

对已有的邻域方差加权平均的小波图像融合方法进行改进,利用离散小波变换对两幅多聚焦图像进行分解,得到了图像的低频和高频分量。根据多聚焦图像的特点,提出使用小波空间频率来选取低频系数,使用邻域方差加权平均方法来提取高频系数,将所得到的低频系数和高频系数重构融合图像。最后使用熵和交叉熵作为评价标准,得出改进方法优于原方法的结论。     

基于非下采样双树复轮廓波变换和稀疏表示的红外和可见光图像融合

提出了一种基于非下采样双树复轮廓波变换(NSDTCT)和稀疏表示的红外和可见光图像融合方法,以改善传统的基于小波变换的图像融合方法的不足。该方法首先利用形态学变换处理源图像,利用NSDTCT变换进行图像分解得到低频子带系数和高频子带系数。根据高低频系数的不同特点,提出改进的稀疏表示(ISR)的融合规则用于低频子带;然后将改进的空间频率作为脉冲耦合神经网络的外部输入,提出基于自适应双通道脉冲耦合神经网络(2APCNN)的融合策略用于高频子带。最后通过NSDTCT逆变换获得融合后的图像。实验结果表明:本文方法在客观指标和视觉效果方面均优于传统图像融合的方法。与传统的NSCT-SR方法相比,实验的两组图像中4个客观指标:互信息(MI)、边缘信息保留量QAB/F,平均梯度(AG)和标准差(SD)分别提高了9.89%、6.39%、104.64%、55.09%和9.53%、17.77%、95.66%、52.89%。     

光学相干层析医学图像处理及其应用

由于人工分析光学相干层析（OCT）图像费时费力、主观及可重复性差,因而快速、精确与客观地检测与量化生物特征标记是OCT医学图像研究与疾病诊断的关键。本文综述了光学相干层析（OCT）医学图像处理技术与应用的研究进展。介绍了OCT成像技术的特点及其主要应用,OCT图像处理的难点、基本问题及主要研究内容;讨论了对时域OCT和频域OCT图像降噪、图像分类与图像分割的重要方法及应用,并分析了各种方法的优缺点及研究发展方向。此外,介绍了偏振敏感光学相干层析（PS-OCT）在医学图像分析中的应用。文中讨论的应用对象涉及到视网膜、角膜、冠脉、前列腺、牙齿、食道、结肠、膀胱、皮肤、乳腺等组织,可为人们综合了解OCT图像处理及其应用现状提供丰富的信息。     

最速上升关联向量机高光谱影像分类

针对高光谱影像近邻波段高度相关,直接在高维空间分类并非最优的问题,提出了基于最速上升和关联向量机(SA-RVM)的高光谱影像分类算法.使用最速上升(SA)算法搜索最优特征子空间,剔除冗余特征;然后,在特征子空间中训练RVM并分类.对4套测试数据进行的实验表明,SA选择的特征子空间中,RVM分类精度提高了2.5％以上,与支持向量机(SVM)相当.对训练样本较少的2套数据,精度提高了5.63％和6.2％.此外,SA-RVM的解稀疏,预测未知样本类别属性所需时间短.总体来看,SA-RVM精度高、判别速度快,适合处理大场景高光谱影像.     

基于CNN的火炮身管全景图像疵病识别方法

针对火炮身管内膛疵病种类多、定性定量分析难和检测自动化程度低等问题,本文提出一种以卷积神经网络为基础的疵病识别方法。首先,对全景图像进行预处理,主要包括全景展开、光照强度调整、膛线去除等;其次,通过最优阈值法对图像进行二值化处理,并利用四连通域法提取疵病区域;最后,采用卷积神经网络对疵病进行自动的分类识别。实验结果表明,该方法能有效避免人工疵病特征提取和人工特征描述计算等复杂步骤,实现了"采集-识别-判定"全过程的自动运行,真正实现了窥膛检测的自动化,身管疵病的识别率超过92%,识别准确率远高于基于统计学原理及支持向量机的分类方式,具有较高的准确性,为火炮身管修复及寿命预估等奠定了坚实的基础。     

基于小波变换的AFM图像处理的研究

根据原子力显微镜(AFM)图像的特点，对小波变换应用于原子力显微镜图像的降噪、增强及融合方法进行了阐述，采用原子力显微镜对无磨料低温抛光后的铝合金(LY12)表面进行检测，并利用所述方法对扫描图像进行了处理。结果表明，利用小波变换对原子力显微镜图像进行处理是有效的、可行的，图像质量得到明显提高。     

BGA全自动植球机视觉检测技术及应用

在线缺陷检测是球栅阵列（BGA）植球机研发中的一个难题.本文介绍了视觉检测技术在BGA植球机上的应用.设计了一种图像采集和图像处理并行进行的工艺过程方案,提高了系统的检测速度.通过图像预处理之后提取图像的边缘特征,采用模板匹配法进行识别检测,并在此过程中融合了序贯相似度检测算法（SSDA）,以提高模板匹配的速度.试验证明,该视觉系统的工艺和检测过程均为可行且行之有效的方案.     

超低照度下微光图像的深度卷积自编码网络复原

微光/红外图像彩色融合是目前国内外夜视技术的重要发展方向,在超低照度下(环境照度小于2×10-3 lux),由于成像器件限制,微光图像具有低信噪比、低对比度等特点,导致目标难以辨识,成为制约彩色夜视技术的关键。为了提高目标的探测和识别率,提出了一种基于卷积自编码网络的微光图像复原方法,利用卷积自编码网络从微光图像训练集中学习超低照度下微光图像特征,实现去噪和对比度增强。实验结果表明,本文提出的方法得到的峰值信噪比(Peak Signal to Noise Ratio,PSNR)较经典的BM3D算法平均提高1.67dB,结构相似度(Structural Similarity Index,SSIM)的值平均提高0.063,均方根对比度的值(Root Mean Square Contrast,RMSC)平均提高0.19。对微光图像复原具有很好的效果,能够有效地提高信噪比和对比度水平。     

采用非采样Contourlet变换与区域分类的红外和可见光图像融合

提出基于多尺度变换和区域相结合的红外与可见光图像融合方法,用于有效保留红外图像与可见光图像中的空间信息及热目标信息,提升融合图像的可观测性和可理解性。首先,基于非采样Contourlet变换(NSCT)方法对红外和可见光图像进行初步融合,采用基于局部能量的规则融合低通子带系数,根据尺度内各方向子带的相关性原则融合带通方向子带系数。然后,计算初次融合后所得的融合图像与源图像的结构相似性(SSIM),根据源图像与初次融合图像的结构相似程度对图像进行区域分类,得到相似区域分类标识图。最后,依据区域内各自的相似度特性,分别采用不同的融合策略进行二次融合,从而得到最终的融合结果。实验结果表明:该方法能够充分提取源图像的区域特征和纹理特征,融合结果在主观和客观评价上均优于目前流行的融合方法。与仅使用NSCT法进行融合相比,实验所采用的两组图像的质量评价指标分别提高了16%、85%、54%、36%和18%、102%、84%、41%。表明该方法在主客观评价上均优于双树复杂小波变换(DTCWT)、NSCT、冗余离散小波变换(RDWT)等方法。     

Automatic alignment direct step-on-wafer projection system

This paper describes an automatic alignment direct step-on-wafer (dsw) projection system. Automatic alignment accuracy is better than ±0.25 μm and useful achievable resolution is 1.5 μm or better. Stepping of the stage is achieved using a record ruler (glass scale) and photoelectric microscope. Its precision is better than ±0.33 μm (3 σ). Also included in the system is a reticle box with automatic reticle detection and selection, high pressure pulsed mercury lamp and uv light integrating exposure controller as well as a closed-circuit tv viewing and display system. The fundamental design, some experimental testing data and error analysis of the machine are described briefly in this paper     

Fusion of GFP and phase contrast images with complex shearlet transform and Haar wavelet‐based energy rule

Image fusion techniques can integrate the information from different imaging modalities to get a composite image which is more suitable for human visual perception and further image processing tasks. Fusing green fluorescent protein (GFP) and phase contrast images is very important for subcellular localization, functional analysis of protein and genome expression. The fusion method of GFP and phase contrast images based on complex shearlet transform (CST) is proposed in this paper. Firstly the GFP image is converted to IHS model and its intensity component is obtained. Secondly the CST is performed on the intensity component and the phase contrast image to acquire the low‐frequency subbands and the high‐frequency subbands. Then the high‐frequency subbands are merged by the absolute‐maximum rule while the low‐frequency subbands are merged by the proposed Haar wavelet‐based energy (HWE) rule. Finally the fused image is obtained by performing the inverse CST on the merged subbands and conducting IHS‐to‐RGB conversion. The proposed fusion method is tested on a number of GFP and phase contrast images and compared with several popular image fusion methods. The experimental results demonstrate that the proposed fusion method can provide better fusion results in terms of subjective quality and objective evaluation.     

A phase congruency‐based green fluorescent protein and phase contrast image fusion method in nonsubsampled shearlet transform domain

Image fusion technique is an effective way to merge the information contained in different imaging modalities by generating a more informative composite image. Fusion of green fluorescent protein (GFP) and phase contrast images is of great significance to the subcellular localization, the functional analysis of protein, and the expression of gene. In this article, a phase congruency (PC)‐based GFP and phase contrast image fusion method in nonsubsampled shearlet transform (NSST) domain is presented. The input images are decomposed by the NSST to acquire the multiscale and multidirection representations. The high‐frequency coefficients are fused with a strategy based on PC and parameter‐adaptive pulse coupled neural network (PA‐PCNN), while the low‐frequency coefficients are integrated through a local energy (LE)‐based rule. Finally, the fused image is generated by conducting the inverse NSST on the merged high‐ and low‐frequency coefficients. Experimental results illustrate that the presented method outperforms several state‐of‐the‐art GFP and phase contrast image fusion algorithms on both qualitative and quantitative assessments.