采用区域互信息的多光谱与全色图像融合算法

为了提高多光谱与全色图像融合算法质量,提出了一种采用区域互信息的多光谱与全色图像融合算法。首先将多光谱图像变换至HSV彩色空间,并采用分水岭与区域合并的方法对V分量进行区域分割,得到区域分割映射,欧氏光谱距离作为区域合并的测度。然后采用非下采样Contourlet变换（Nonsubsample Contourlet Transform,NSCT）对多光谱图像V分量和全色图像进行多分辨率分解,将区域分割结果映射至全色图像,通过计算对应区域间的互信息对多分辨率分解系数进行融合,获得融合图像的分解系数,最后通过NSCT反变换实现融合图像重构。图像融合算法对比实验表明,文中融合算法在充分保留了多光谱图像光谱信息的同时,尽可能多地注入了全色图像的细节信息,有效提高了多光谱图像的边缘特征。     

基于NSST变换与自适应PCNN的多特征遥感图像融合

针对基于NSCT变换的遥感图像融合算法存在计算复杂度高,细节表现能力不足的问题,本文提出了一种基于NSST变换与自适应PCNN的多特征遥感图像融合算法。首先,利用HSV变换提取MS图像的亮度分量V,并将得到的亮度分量V与PAN图像分别进行NSST变换;其次,对于低频子带,提出了一种基于自适应的PCNN融合规则,将空间频率和区域平均梯度分别作为PCNN的外部激励和链接强度;对于高频子带,采用基于多特征的融合规则;最后,进行逆NSST变换和逆HSV变换得到融合图像。仿真实验表明,该算法与一些经典的融合算法相比不仅可以提高图像融合质量,在视觉效果和客观指标上也都有良好的表现。     

基于自适应脉冲耦合神经网络图像融合新算法

针对传统的基于脉冲耦合神经网络(PCNN)的融合算法中每个神经元链接强度取同一常数的不足,提出了一种基于自适应PCNN图像融合新算法。作为显著性特征,使用像素的拉普拉斯能量(EOL,energy of Lapla-cian)和标准差(SD,standard deviation)分别作为PCNN对应神经元的链接强度值。实验结果表明,本文方法融合结果优于Laplacian方法、小波方法和传统的PCNN方法。     

一种自适应模糊密度赋值的小波变换遥感图像融合算法

该文提出了一种基于模糊积分的多光谱图像和全色遥感图像融合算法。该算法首先由多光谱图像和全色图像的小波系数来获取模糊积分的信度函数,再依据小波系数的局部窗口内的方差自适应的构造模糊密度,然后由模糊积分计算融合后的小波系数,最后进行小波逆变换,得到融合图像。实验表明,采用新的基于模糊积分的融合方法,只要选择适当的模糊密度,就可以使得融合图像在提高空间细节质量的同时,相比其它融合算法能够具有更好的光谱质量。     

多光谱可见光图像与高分辨率图像的分维融合

针对遥感图像,提出了一种遥感多光谱可见光图像与遥感高分辨率全色图像融合的小波分维算法.利用小波变换的方向选择}生,对遥感多光谱的1分量和遥感全色图像进行小波分解,进而在不同子带中进行遥感图像融合,低频部分采用基于区域能量的融合算法;高频部分使用21×21的窗口加窗逐点计算分维作为权系数进行融合;最后将得到的灰度融合图像...     

改进的基于àtrous小波的遥感图像融合方法

针对多光谱与全色图像的融合,提出了一种改进的基于àtrous小波变换的图像融合方法。首先对多光谱图像进行IHS(intensity-hue-saturation)变换,然后对PAN图像进行àtrous小波变换,再将PAN图像的细节分量添加到多光谱图像的强度分量中。为了控制添加的数量,从小波系数中提取出一个重要性测度函数,并根据阈值选择重要的PAN特征,用新的强度分量来取代多光谱图像的强度分量。最后再做IHS逆变换得到融合图像。实验结果表明,和IHS变换算法及常用的小波融合算法相比,本文提出的融合方法在光谱信息的保持与空间细节信息的增强两个方面的综合性能得到提高,具有更好的效果。     

一种改进的SAR与可见光图像融合算法

针对现有SAR与可见光遥感影像融合算法的计算复杂度较高,细节信息保留较差等问题,提出了一种NSST-IHS结合自适应PCNN改进的融合算法。该方法先利用IHS 变换提取可见光图像的亮度分量I,并将得到的亮度分量I与SAR图像分别进行NSST变换;然后,针对低频子带分量采用方向信息即空间频率和平均梯度自适应调整PCNN的外部刺激与链接强度;高频子带分量上运用改进的拉普拉斯能量和(SML)的融合规则;最后,运用逆 NSST变换和逆IHS变换得到最终融合图像。实验表明,本文算法所得融合图像比传统算法在视觉效果方面提升明显,光谱信息及线性结构特征得到更多保留、各类评价指标上比传统算法要更好。     

红外与微光融合图像的多尺度色彩传递算法

针对红外与微光的灰度融合图像不利于人眼观察的问题,提出了一种在YCbCr颜色空间的基于多尺度多分辨率分析的色彩传递算法,帮助观察者获取丰富的场景信息和舒适的观察效果。该算法首先在Y通道将红外和微光图像进行灰度融合;然后将灰度融合图像和彩色参考图像的Y分量做拉普拉斯金字塔分解,比较其金字塔各层系数差异,综合各层系数差异找出最佳匹配点;最后将参考图像中最佳匹配点的Cb和Cr值传输到灰度融合图像中,生成最终的具有自然色彩的融合图像。实验结果表明,本文方法生成的彩色融合图像接近自然真实的颜色,有利于人眼对目标的观察与场景的理解。     

彩色多聚焦图像邻域融合算法的改进

针对彩色多聚焦图像融合存在色彩分布不均、斑效应问题,提出一种图像空间信息和颜色信息分离研究的改进算法。首先对源图像进行HSV变换并分离各分量,然后表示空间信息的V分量进行小波分解,最高分解层高频系数选用基于邻域的对比度取大融合规则,而其余分解系数选取基于邻域梯度的加权融合规则。其次重构得到融合图像V分量,表示颜色信息的H、S分量采用源图像与融合图像间V分量欧氏距离取小规则,最后进行HSV逆变换得到融合图像。经MATLAB仿真,该算法可有效缓解融合图像色彩分布不均及斑效应现象。     

一种像素级多传感器图像融合算法的研究

该文给出了一种像素级多传感器图像融合算法,并将其应用于不同波段SAR图像的融合。该算法先用基于卡尔曼滤波的图像融合技术得到一幅灰度融合图像,再用不同的RGB颜色通道分别表示灰度融合图像以及原图像中增强后的细节,最终得到一幅彩色融合图像。仿真结果表明,用此算法得到的彩色融合图像包含更多的细节,可辨识性强。     

一种超高分辨率遥感图像融合新算法

该文针对超高分辨率的全色光图像和多光谱图像的融合,提出了一种基于对应分析的图像融合新算法。该算法在对多光谱数据进行对应分析的基础上,利用冗余小波变换提取出全色光图像的空间细节信息并将其融入到成分空间。实验分别采用IKONOS和QuickBird数据,融合结果的目视效果与客观评价表明,相比现有同类融合方法,该方法能够在提高空间分辨率的同时更好地保持光谱特性,有效地减少了色彩失真的现象。     

基于NSCT的多光谱和全色图像的融合

提出了一种基于无下采样Contourlet变换的多光谱和全色图像的融合方法.该方法在对多光谱影像进行IHS变换的基础上,对多光谱的I分量和高分辨率的全色影像分别进行无下采样Contourlet变换(NSCT),然后对分解得到的近似分量以及各层金字塔各方向的细节分量利用本文提出的一定的融合准则分别对近似分量和细节分量进行影像融合,最后通过无下采样Conlourlet逆变换得到新的I分量,与H,S分量一起还原到RGB空间,最终得到融合后的高分辨率多光谱彩色图像.本文采用一组多光谱图像和全色图像数据进行融合实验,其实验融合图像的目视效果和统计指标均优于传统的IHS融合方法、小波融合方法以及Contourlet变换方法.     

基于Tetrolet变换的近红外与彩色可见光图像融合算法研究

针对近红外与彩色可见光图像融合后出现的对比度降低、细节丢失、颜色失真等问题,提出一种基于Tetrolet变换和自适应脉冲耦合神经网络PCNN(PCNN-Pulse Coupled Neural Network)的近红外与彩色可见光图像融合的新算法。首先将彩色可见光源图像转换到各个分量相对独立的HSI空间(HSI-Hue Saturation Intensity),将其亮度分量与近红外图像进行Tetrolet分解,对分解后得到的低频系数,提出一种从给定不完备数据集中寻找潜在分布最大似然估计的期望最大算法融合规则;对分解后得到的高频系数,采用一种Sobel算子自动调节阈值的自适应PCNN模型作为融合规则;处理后的高低频图像经Tetrolet逆变换作为融合后的亮度图像,提出一种饱和度分量自适应拉伸方法来解决图像饱和度下降的问题。处理后的各个分量反向映射到RGB空间,完成融合。将本文算法与多种高效融合算法进行对比分析,实验表明,本方法取得的图像,细节清晰,色彩对比度得到提升,在图像饱和度、颜色恢复性能、结构相似性和对比度等客观评价指标上均具有明显的优势。     

基于多级引导滤波器的图像区域融合算法

为了提高多光谱图像与全色图像的融合质量,研究了多种滤波器和融合算法,提出了基于多级引导滤波器的区域融合方法。采用该方法对多光谱图像进行插值,利用改进的分水岭算法对全色图像进行区域划分,并将划分结果映射至每个多光谱图像,然后将多光谱图像与全色图像利用多级引导滤波器分别进行滤波,得到各自的细节信息,最后根据每个区域中全色图像和多光谱图像的关系指标局部相关系数与4阶相关系数的大小,对细节信息进行区域融合,得到融合后的多光谱图像。结果表明,该算法充分保留了多光谱图像的光谱信息,并尽可能多地注入了全色图像的细节信息,成功地提高了多光谱图像的融合效果。     

基于自适应阈值和局部色调映射的低照度图像处理

为了解决低照度图像的细节信息缺少和清晰度低的问题,在HSV(Hue,Saturation,Value)色彩空间中,采用非下采样剪切波变换(NSST)与Retinex理论的融合算法对低照度图像进行处理。首先对HSV空间的V分量进行分解,得到多个高通子带与一个低通子带,对高通子带采用改进的基于贝叶斯萎缩的自适应阈值算法完成去噪,对低通子带采用改进的自适应局部色调映射算法提高对比度,然后对两个子带进行NSST逆变换以得到新的V分量并对其进行白平衡处理,最后将处理后的图像反转到RGB(Red,Green,Blue)空间中得到结果图像。实验结果表明,所提算法能够改善低照度图像的质量,提高清晰度与对比度。     

NSCT域内基于改进PCNN和区域能量的多光谱和全色图像融合方法

针对多光谱和全色图像的融合,提出了一种NSCT域内基于改进脉冲耦合神经网络（PCNN）和区域能量的融合方法。首先,利用NSCT将图像分解为一个低频子带和多个不同方向的带通子带。然后,对分解后的低频子带采用基于区域能量的自适应加权算法进行融合;在带通方向子带,结合改进的脉冲耦合神经网络,使用带通方向子带系数作为PCNN的外部输入激励,经过PCNN点火获得待融合图像的点火映射图,根据点火时间计算点火映射图的区域能量,通过判决算子选择待融合图像的带通方向子带系数作为融合系数。最后,对融合处理后的NSCT变换系数进行重构生成融合图像。实验结果显示:在迭代次数为100次时,与改进小波算法相比,标准差提高了9.48%,熵提高了0.95%,相关系数提高了21.56%,偏差指数降低了29.66%;与Contourlet算法相比,标准差提高了9.73%,熵提高了0.94%,相关系数提高了11.27%,偏差指数降低了9.45%;与NSCT算法相比,标准差提高了3.84%,熵提高了3.34%,相关系数提高了7.89%,偏差指数降低了7.42%。     

基于变分的多尺度遥感图像融合算法

全色图像与多光谱图像融合时,忽略了上采样的重要性和通道间细节的差异性.针对前者,利用不同尺度下自相似块,估计出低分辨率图像丢失信息,从而修改了图像上采样的策略,并以此构造目标函数的保真项;针对后者,利用全色图像和光谱图像梯度域结构相似性,提出局部加权动态稀疏约束,构造目标函数的正则项.本文基于变分法理论,构造了新的目标函数,并提出了多尺度迭代融合框架,通过多次迭代逐步提高融合图像的分辨率,每一层的融合结果更加准确,从而提高最终的融合精度.本文算法与Brovey等成分替代算法、P+XS等变分算法、MTF_GLP等多分辨分析算法进行比较.实验结果表明,本算法的融合结果具有良好的视觉效果,且在客观评价指标上比所有对比算法的最优值平均值均有提高.