边缘检测和小波变换在多聚焦图像中的应用

根据多聚焦图像的特点,把边缘检测方法和小波变换融合算法结合起来,可以获得同一场景内所有物体都清晰的图像。首先利用高斯—拉普拉斯算子对源图像进行融合,得到边缘清晰的融合图像;接着对源图像进行小波变换,变换后的小波系数融合规则采用选择融合和加权平均融合相结合,经反变换后得到整体清晰的图像;最后将边缘清晰融合图像与小波变换融合图像再一次融合,得到了清晰度增强的融合图像。仿真试验表明,边缘检测和小波变换相结合的融合方法可有效综合多聚焦图像。     

基于小波分解的不同聚焦点图像融合方法

本文提出了一种基于小波分解的多聚焦图像融合方法.该方法首先建立一个PSF模型来描述目标聚焦的情况,然后利用小波分解分析不同聚焦图像在高斯平滑前后其高频分量的差异,进而判断图像中聚焦清晰的目标,并进行融合.实验结果表明,本文提出的方法可以得到目标都清晰的融合图像,其融合结果优于小波变换法和Laplacian塔型方法.     

一种基于小波-Contourlet变换的多聚焦图像融合算法

利用小波-Contourlet变换良好的多尺度性和多方向性特征,提出一种基于小波-Contourlet变换的多聚焦图像融合算法,引入Cycle Spinning来有效地消除由于小波-Contourlet变换缺乏平移不变性而产生的图像失真.实验结果表明,与其他基于多分辨率分析的多聚焦图像融合算法相比,该算法显著减小了融合图像的RMSE值,提高了融合图像的视觉效果.     

多聚焦图像融合的多小波选择方法研究

多聚焦图像融合的目的是把几张不同焦点的图像组合在一起,尽可能保持细节使所有目标清晰.针对基于多小波的多聚焦图像融合中多小波的选择问题,从多聚焦图像特点和对多聚焦图像的频谱内容的分析出发,在理论上提出了选择多小波的标准,即应选择小波函数频宽小,时频分辨率高的多小波,并通过实验验证了所提出标准的准确性.在实验中采用了原清晰图像与融合图像的均方根误差,融合图像的空间频率和清晰度作为融合效果的客观评价标准.通常如果有原始清晰图像,可采用均方根误差作为评价标准,但一般情况下,不存在原始清晰图像,因此,以均方根误差作为参照分析了其他两种评价标准的性能.实验表明,在主观感觉融合效果较好的情况下,可采用空间频率和清晰度作为评价标准.     

粗糙集与小波变换在图像融合中的应用

针对含有椒盐噪声的多聚焦图像,提出了一种基于粗糙集和小波变换的图像融合算法.首先对源图像进行粗糙增强预处理,再采用小波变换对增强后的图像进行融合,得到融合图像.实验结果表明,粗糙增强在有效去除噪声的同时,较好发保持了图像细节信息,在此基础上进行小波融合,使得融合图像有着更好的视觉效果.     

一种新的可见光多聚焦图像融合算法

文章探讨了可见光多聚焦图像的融合问题，提出了一种基于小波变换和形态学的融合算法．实验结果说明本算法能够有效处理多聚焦图像融合问题。得到清晰的融合图像。     

一种新的可见光图像融合方法

本文探讨了可见光多聚焦图像的融合问题。在运用电路与系统理论分析了多聚焦图像成像机理的基础上，提出了一种基于小波变换的融合算法，实验结果表明，该方法可有效综合多聚焦图像，从而获得场景内所有物体都清晰的图像。     

基于静态多小波变换的图像融合

综合了多小波分析和平移不变性质的优势,将多小波分析扩展到静态多小波的范畴,提出了一种基于静态多小波变换(SMWT)的图像融合方法。通过对源图像进行SMWT,根据变换系数的尺度内多子带联合窗口(CBWI)特性,实现多源图像的融合。该方法应用于一类多聚焦图像融合的仿真实验中,从视觉效果和信息量指标(互信息量和交叉熵)2个方面对融合图像进行主观评判和量化评价。结果表明,相比于传统小波域内的图像融合算法,该方法得到的融合结果具有更良好的视觉质量和更优的量化指标,体现出更强的融合性能。     

基于小波分析的图像融合评述

图像融合是将同一场景的多幅图像的互补信息合并成一幅新图像,以便更好地对场景进行监视和侦察。小波分析具有多分辨等特点,可以有效地将特征明显、分辨率高的图像融合在一起,得到比任何一幅源图像效果都好的图像。阐述了基于小波分析的图像融合的基本原理、方法及优点。比较了各种图像融合规则和融合算子的特点。介绍了基于小波包图像融合、小波框架图像融合和多小波图像融合方法。     

基于双树复小波变换的多聚焦图像融合方法

针对同一场景的多聚焦图像融合,提出了一种基于双树复小波变换(DT-CWT)的图像融合新算法.首先利用DT-CWT对图像进行多尺度和多方向分解,并根据双树复小波分解域各子带的系数特性定义了图像局部方向对比度,然后针对高频分量系数的选择,采用基于方向对比度的融合规则,而在低频域采用图像清晰度为测度的融合策略.实验结果表明,该算法能够很好地将多聚焦图像中的重要信息提取并注入到融合图像中,与其他方法相比较,取得了更好的融合效果,提高了融合图像的质量.     

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.     

基于拉普拉斯金字塔变换的小波域图像融合

在深入分析了小波变换融合方法及拉普拉斯金字塔变换融合方法的原理及优缺点的基础上,通过优势互补将二者巧妙结合,提出了一种新的图像融合算法。实验结果表明,该方法计算量小、运行速度快,在红外与可见光图像的融合、多聚焦图像融合以及局部模糊图像融合等应用中优于其他融合方法。     

基于冗余小波变换的灰度多聚焦图像融合方法

为弥补Mallat算法正交变换的缺陷以及获得更为有效的图像融合方法。文中给出了一种基于冗余小波变换的灰度多聚焦图像融合算法进行图像融合,选取不同焦点的灰度源图进行冗余小波变换。根据高低频系数特点,分别引入区域向量范数和局部对比度的概念,构建新的融合规则的算法。实验证明与其他融合算法相比文中算法具有更好的有效性与准确性。     

基于亮度分量的多聚焦彩色图像融合

针对小波变换在图像融合中的平移变性和有限的方向选择性等缺陷和多聚焦彩色图像融合的复杂性,将Q-Shift双树复小波变换应用于多聚焦彩色图像融合.首先对IHS模型的亮度分量I进行Q-Shift双树复小波分解,根据多聚焦图像的成像特点和分解后的高低频系数相关性,对分解后的高频系数和低频系数采用"选择取大"的融合准则进行融合和逆变换,得到融合后的亮度分量,再根据融合前后亮度分量值的接近程度来确定融合后的色调分量和饱和度分量,从而实现多聚焦彩色图像的融合.通过对实验评估指标信息熵、平均梯度、方差和相关系数等实验值的比较,所研究方法的各参数值都得到了很好的体现,获得了较好的融合效果.     

基于双树复小波变换的多聚焦图像融合算法研究

针对传统离散小波变换图像融合算法在图像特征表达上存在的不足,采用具有近似平移不变性和方向选择性的双树复小波变换对多聚焦图像进行多分辨率分解与重构,并对高频子带应用基于局部相似性度量的加权平均与选择相结合的融合策略。通过对实验结果的主客观分析,证明该方法得到的融合图像效果较好,优于基于传统小波变换的算法和局部能量取大的算法。     

基于分块过完备稀疏表示的多聚焦图像融合

提出一种基于分块过完备稀疏表示的多聚焦图像融合算法。该方法将多聚焦源图像对应分块,采用稀疏模型进行分解,得到每个块的稀疏表示系数。考虑到稀疏系数向量的l1范数越大,带的信息量就越多,采用此因子对稀疏系数加权,求得融合系数,结合过完备字典重构融合图像。实验结果表明该图像融合方法取得较好的融合效果且优于传统小波分解融合方法。同时探讨了字典维数对所提出方法的影响。     

一种新的像素级多聚焦图像融合算法

该文在小波变换的基础上提出了一种将一维自组织特征映射(SOFM)网络和进化策略相结合的多聚焦图像融合算法。该方法对不同聚焦点的图像进行冗余小波分解,再分别将其各方向、各尺度的高频信息进行叠加,并在高频信息叠加层上提取反映图像清晰度差异的归一化特征图,依据此特征图,使用SOFM网络对原始图像像素进行分类,并利用进化策略对各类像素求出最优的融合系数。实验结果表明该算法比拉普拉斯变换法和小波变换法具有更好的融合效果。