基于双树复小波变换的CT与MRI图像融合算法

提出了一种基于双树复小波变换的图像融合方法,对双树复小波分解后的低频系数采用基于区域相关性的融合原则进行融合,而对高频系数按照绝对值最大的原则,然后对融合后的小波系数进行一致性校验,得到最后用于重构的小波系数. 实验结果证明,新方法能够很好地保留和融合原图像的信息.     

基于Curvelet变换和小波变换相结合的图像融合算法研究

针对小波变换在图像边缘表达方面的局限性,以及Curvelet变换在表达图像点特征上的不足,提出了在红外图像与可见光图像融合的过程中采用基于Curvelet变换和小波变换相结合的图像融合算法.首先对图像进行Curvelet分解,对低频系数使用基于小波变换的融合算法,对高频系数结合融合图像的特点分别采用了两种不同的选取方法:模值绝对值取大法和基于系数相关性法.最后,对最终系数进行反Curvelet变换,得到融合结果图.采用该算法进行了大量的红外图像与可见光图像融合实验,实验结果表明,此算法的融合结果图获得了更好的目标信息和光谱信息.     

一种基于视觉显著性的图像融合算法

基于视觉显著特征提出一种新的图像融合算法.首先对源图像进行小波分解,得到低频系数和高频系数;然后针对低频系数提出一种基于视觉显著性的融合规则,对高频系数采用绝对值取大的融合规则;最后对融合后的低频系数和高频系数进行小波逆变换得到最终融合图像.该方法能完好地将源图像的细节融合在一起.仿真实验表明,该算法在视觉效果上比传统及改进方法更好,同时互信息、平均结构相似性、信息熵等传统客观评价指标有所提高.     

一种基于小波变换的图像融合算法

本文给出了一种基于小波变换的图像融合方法,并针对小波分解的不同频率域,分别讨论了选择高频系数和低频系数的原则.选择高频系数时,基于绝对值最大的原则,并对选择结果进行了一致性验证.文章设计了三种选择低频系数的方案,即平均法、Burt提出的平均与选择相结合的方法和基于边缘的方法.平均法在一定程度上降低了图像的对比度;平均与选择相结合的方法根据两幅图像的相关性采用平均法或选择法;第三种方法是一种基于边缘的方法,在多幅原图像中选择最有可能是边缘的点加以保留,得到的合成图像最清晰.文章最后将提出的算法用于多聚焦图像的融合.从仿真结果可以看出,文中给出的方法可以很好地保留多幅原图像中的有用信息,得到多个目标聚焦都很清晰的融合图像.通过比较可知,如果尺度系数的选择采用第三种方案,融合图像的视觉效果最好.     

基于小波方向相关性的图像融合方法

通过分析图像经小波变换后低频系数的邻域相关性和各高频子带的区域方向性,本文提出一种基于小波方向相关性的图像融合方法.对低频子带的每个系数,以多向梯度模作为其自相关性的衡量标准,确定融合后低频系数;对于各个高频子带的系数,根据其不同的方向特性,采用基于方向相关系数的融合规则.最后通过对比仿真实验,验证本文方法的有效性.     

基于小波变换的图像融合技术研究

提出了一种基于小波变换的图像融合算法.首先,将配准后的多源图像进行小波分解,从而得到各个源图像的低频系数和高频系数.其次,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,通过小波逆变换得到融合图像.通过大量的实验以及与其他融合算法的比较分析,表明该方法的有效性和优越性.     

基于DT-CWT的多聚焦图像的融合

由于离散小波变换在图像融合中的缺陷,提出基于双树复小波变换的图像融合方法。首先对源图像进行双树复小波变换,对低频和高频分别采用局部窗口能量比和局部梯度比作为融合相关性测度,然后基于加权和选择相结合的规则融合高频系数和低频系数,得到各频域系数,最后复原图像。实验结果表明,双树复小波变换的融合方法具有良好的客观评价性能和主观视觉效果,融合规则的可行性。     

一种基于提升小波变换的图像融合新算法

提出了一种基于提升小波变换的图像融合新算法.该算法对多源图像进行提升小波分解,并针对分解后的低频和高频分量各自的特点,选用不同的规则进行融合,即低频近似系数采用基于邻域空问频率加一致性检验,高频细节系数采用基于像素点的绝对值取最大,最后进行提升小波逆变换得到融合图像.实验结果表明,当采用空闻频率误差比率和平均梯度作为客观评价标准,该算法具有良好的融合效果.     

基于边缘的小波图像融合算法

提出一种基于边缘的小波图像融合算法,针对小波分解的不同频率域,分别对高频系数和低频系数设计不同的融合规则。采用小波系数局部模极大和定义的局部信号强度比相结合的方法融合高频系数;对低频系数采用一种基于边缘的方法,在两幅原图像中选择最有可能是边缘的点加以保留。实验结果表明:采用此融合规则得到的融合图像具有良好的融合效果。     

基于NSCT与DWT的压缩感知图像融合

针对基于非下采样轮廓波变换(NSCT)的压缩感知图像融合算法,存在融合图像局部细节信息表达不足的问题,提出一种基于NSCT与离散小波变换(DWT)的压缩感知图像融合算法。首先,对图像进行NSCT变换,得到低频系数和高频系数;然后,对高频系数进行压缩融合,并通过重构算法恢复融合的高频系数;而对低频系数,采取基于小波变换的融合方法;最后,对融合的高频系数和低频系数进行NSCT逆变换,得到最终的融合图像。实验结果表明:本文算法使融合图像的质量,在主观和客观方面都得到了明显改善,最终的融合图像具有更多的细节特征和更清晰的边缘轮廓。     

基于二代curvelet与wavelet变换的自适应图像融合

针对同一场景红外图像与可见光图像的融合问题,提出了一种基于二代curvelet与wavelet变换的自适应图像融合算法。首先对源图像进行快速离散curvelet变换,得到不同尺度与方向下的粗尺度系数和细尺度系数;根据红外图像与可见光图像的不同物理特性以及人类视觉系统特性,对不同尺度与方向下的粗尺度系数和细尺度系数采用基于离散小波变换的图像融合方法,在小波域中,对低频系数采用基于红外图像与可见光图像的不同物理特性的自适应融合规则,对高频系数采用基于邻域方向对比度与局部区域匹配度相结合的自适应融合规则,然后进行小波逆变换得到融合的curvelet系数;最后,进行快速离散curvelet逆变换得到融合图像。实验结果表明,该方法能够更加有效、准确地提取图像中的特征,是一种有效可行的图像融合算法。     

基于四阶相关系数的NSCT域红外与可见光图像融合

采用非下采样Contourlet变换(NSCT)模型提出了基于四阶相关系数的红外与可见光图像融合方法。首先对融合图像进行多尺度和多方向分解;对于低频分量,充分考虑红外和可见光图像物理特性的差异,采用基于区域平均梯度的融合策略;对高频分量采用四阶相关系数匹配策略来选择合适的高频系数;最后对融合后的系数进行NSCT逆变换得到融合图像。实验结果表明,该融合算法能更好地保留目标信息,同时也显著地提高了图像的信息量,在主观视觉效果和客观评价方面具有较好的融合性能。     

基于小波变换的红外与可见光图像融合技术研究

随着传感器技术的发展,单一的图像传感器往往不能够从场景中提取足够多的信息,需进行多源图像融合.为了解决多传感器图像所表现的目标特征不一致的问题,本文采用小波变换对红外及可见光图像进行了融合.首先利用小波变换将图像进行多尺度分解.对于高频部分融合,取两幅图像小波系数矩阵对应元素的最大绝对值构造小波系数矩阵;针对低频部分融合,采用基于领域像素相关和基于区域方差相结合的策略.实验结果表明,该算法将红外与可见光图像对同一目标所表现出的不同特征、细节有效地融合在一幅图像里,增加了单幅图像的信息量,丰富了目标的信息层次,为图像显示观察和后续图像处理系统获取信息提供了基础.     

采用树特征平面的小波变换图像编码压缩方法

在图像小波分解的基础之上,结合人眼视觉系统（ＨＶＳ）特性,本文提出了一种树特征平面的图像编码方法。该方法利用小波变换系统的相关性,结合无失真的自适应算术编码,有效地对小波分解后图像的高频子带数据进行压缩。实验结果表明,该方法实现简单,可达到很好的压缩效果。     

传输图像的子波域插值恢复算法

在丢包信道中传输子波编码图像时,存在图像重构问题.本文提出了一种新的图像恢复算法—树恢复子波域插值算法,可以用于恢复丢失的子波树系数.该算法利用二维子波变换具有的水平和垂直方向边缘检测能力,采用数学形态学膨胀运算,恢复已丢失的表示边缘信息的高频系数.为了保持图像边缘的尖锐性和方向性,本文采用了高频系数指导下的低频系数恢复技术.文章最后给出的仿真结果验证了该算法的有效性.     

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。     

一种基于曲率变分正则化的小波变换图像去噪方法

噪声和图像的细节特征主要集中于图像高频部分,在图像去噪过程中,图像的某些重要特征（如边缘、细小纹理等）易受到破坏.针对这一情况,本文提出基于曲率变分正则化的小波变换图像去噪方法,首先用小波提取图像的高频成分,对图像进行增强处理,然后用增强图像的水平集曲率建立一个基于水平集曲率的曲率驱动函数,再将曲率驱动函数作为一个校正因子引入到变分模型中,建立曲率变分模型,用以控制图像的整体结构.在缺乏图像梯度信息的情况下,该模型克服了ROF模型错误扩散这一缺点,符合图像处理的形态学原则.最后,用建立的曲率变分模型处理提取的高频成分,重构处理后的高频成分和原来的低频成分,得到去噪后的图像.分析和仿真结果表明,新算法可有效抑制噪声,有极高的图像结构相似度,去噪效果明显.     

基于小波变换和改进SVD的红外图像去噪

针对小波变换红外图像去噪需要已知噪声先验知识的缺点,提出了一种基于分块奇异值分解的正交小波变换红外图像去噪新算法。首先对红外图像进行离散正交小波变换,并对高频图像采用改进的分块奇异值分解估计小波系数,其中对奇异向量采用傅里叶变换进行了修正;最后将低频图像与估计的高频图像通过小波反变换得到去噪图像。仿真结果表明,该图像去噪算法能在无噪声先验知识条件下有效去除图像噪声,信噪比有了明显提高,并获得了良好的主观视觉效果。     

基于小波融合的图像残差金字塔超分辨率研究

提出了基于小波融合的残差金字塔超分辨率方法.算法包括2部分:1) 通过残差金字塔分别估计多幅低分辨率图像的高频信息;2) 对获得的多幅高分辨率图像进行小波融合.图像的低频部分采用能量加权法融合,高频部分采用最大值规则融合,融合后经过小波反变换得到最终的高分辨率图像.研究结果表明,该算法避免了大量的迭代运算,降低了计算复杂度,使大尺寸图像的超分辨率成为可能.