基于对齐度的电力设备红外与可见光的图像配准

提出了一种全新的电力设备红外与可见光图像的配准算法,该方法基于图像的小波变换与对齐度最大化完成图像的配准过程。首先进行图像预处理,分别对红外图像取其负像以及对可见光图像取其灰度图像,从而提升两者的相似性特征;然后利用小波变换提取出图像的边缘及特征点,最后利用对齐度准则计算所有特征点对之间的对齐度,得到匹配点对。实验结果证明了此方法的有效性、精确性和适用性。     

医学图像配准常用方法与分类

图像配准是当前医学图像领域的研究热点,具有重要的临床诊断和治疗价值.简述了图像配准的基本原理,对当前常用的医学图像配准方法进行了分类,详细分析了基于互信息、傅里叶变换和小波变换三种医学图像配准的算法实现、优缺点及典型应用.     

基于互信息的红外与可见光图像快速配准

针对灰度和图像特征存在较大差异的可见光和红外图像配准,给出了一种基于归一化互信息与小波变换相结合的快速图像配准算法。实验表明,该算法加快了配准过程,较利用原图像配准速度提高了约一个数量级,且配准结果具有较高的准确性和稳定性。可见该算法适用于多光谱图像配准。     

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CNN-WF的高灵敏紫外成像仪中的图像配准与融合

针对现有紫外成像仪中紫外光与可见光图像配准实时性差,精度不高等问题,提出一种基于卷积神经网络(Convolutional Neural Networks,CNN)与小波融合(Wavelet Fusion,WF)的紫外光与可见光图像配准融合方法,并将其应用于高灵敏紫外成像仪中.首先,结合刚体变换和卷积神经网络对采集到的图像数据进行参数模型预训练,通过自主挖掘图像特征寻找到最优空间变换参数,实现紫外光图像与可见光图像的精确配准;其次,利用二维小波分解与重构算法实现紫外光与可见光图像的融合.实验结果表明,所提方法的紫外光图像与可见光图像配准速度快,叠加精度高,且具有良好的稳定性.     

一种新的基于边缘拟合的图像配准方法

为了克服罔像配准中计算效率与稳定性的两难问题,提出一种新的基于边缘特征的图像自动配准算法.利用小波变换对图像进行多尺度边缘检测,提高边缘榆测的稳定性;用直线拟合边缘,并根据几何特件、灰度特性为直线分配可信度;以直线对作为最小配准单位,利用马氏距离计算直线对之间的匹配程度;配准过程采用加权投票算法确定变换参数,每次投票根据直线对之间的匹配程度及各直线可信度拥有不同的权重.实验表明木文算法快速稳定,在没有任何先验知识的情况下,能够有效的配准存在相似变换关系(平移、旋转和尺度)的图像.     

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.     

红外与可见光图像融合中的快速配准方法

红外与可光传感器目标跟踪识别系统中常用的两种传感器，对这两种传感器图像进行有效的融合能大大提高探测识别的准确性和可靠性。快速准确地实现图像配准是图像融合的前提，为此提出了一种基于小波变换的快速算法，有利于实时准确地实现图像配准。     

基于互信息的紫外成像仪中图像配准研究

紫外成像仪为实现放电点定位和电气设备故障诊断,需要对来自不同传感器的紫外与可见光图像进行配准。针对紫外与可见光图像成像原理差异较大,特征点提取及匹配困难的问题,文章提出一种基于互信息的紫外与可见光图像配准算法并将其应用到紫外成像仪中完成实时配准。首先计算紫外与可见光图像中的互信息,将互信息作为相似性测度,采用刚体变换模型对图像进行变换,然后通过1+1进化算法求取最优相似性测度时的空间变换参数而完成图像配准,并通过仿真和紫外成像仪样机验证了所提算法的有效性。     

蚁群算法和Powell法结合的多分辨率三维图像配准

基于互信息的配准方法具有精度高,鲁棒性强的特点,成为近年来图像配准研究的热点.但基于互信息的目标函数存在许多局部极值,为配准的优化过程带来了很大的困难.该文提出了一种蚁群算法和Powell法相结合的多分辨率搜索优化算法.该算法以互信息作为相似性测度,采用基于小波变换的多分辨率策略,将蚁群算法与Powell法结合起来对三维的CT,MR图像进行了配准.实验结果表明,这种方法能够有效地克服互信息函数的局部极值,大大地提高了配准精度,达到亚像素级.     

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。     

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。     

基于混沌与小波变换的图像加密算法

利用混沌系统的初值敏感性,参数敏感性和类随机性等特点,首先提出一种称之为"混沌变换"的图像置乱算法。并在此基础上,设计了一种基于小波与混沌变换的图像加密算法。该算法的处理过程:图像预处理;对原始图像进行小波变换,得到四幅小波分解子图;用混沌变换对四幅子图进行图像置乱;小波逆变换。实验结果表明解密图像与原始图像一致性良好,同时本算法具有很高的安全性。     

基于小波变换的图像置乱加密算法研究

在传统算法的基础上,结合小波理论和混沌理论及置乱方法,研究实现了一种基于小波变换的图像置乱加密算法,首先对图像进行二维离散小波变换,再进行混沌加密。实验结果证明该算法加密效果良好,加密后图像的直方图分布均匀且峰值信噪比较高。     

基于JPEG压缩编码的小波域多图像融合算法研究

为了在一定的区域内融合多幅光学图像的信息,采用了一种基于联合图像专家小组（JPEG）图像压缩编码的小波域多幅图像融合算法。其基本思想是将小波逆变换看作是信息的融合过程,先对多幅图像进行JPEG压缩编码,压缩后得到一组二进制码流,这组二进制码流可以直接作为小波变换的分解系数,经小波逆变换后得到融合信息。结果表明,该算法能够实现多幅灰度图像和彩色图像的融合,提高了单一空间内图像的信息量,有利于多图像的存储和传输。     

基于小波变换的EMCCD微光图像融合算法

由于增益水平的不同,电子倍增电荷耦合器件图像所显现的图像内容不同,且图像动态范围极窄、对比度低、图像整体偏暗或模糊发白。为了提高微光图像动态范围及对比度,采用将不同增益水平的微光图像进行融合的算法,即先获取两组同场景但增益不同的微光图像,再对小波分解后的微光图像选择不同的融合规则,最后通过小波变换实现图像融合,得到了高质量的融合图像,并取得了融合图像的信息熵、标准差、平均梯度等性能指标数据。结果表明,该融合算法能使得融合后的图像同时包含低亮度景物和高亮度景物,达到了增大微光图像的动态范围及对比度的目的,有效改善了微光图像的质量。     

基于NSCT变换和小波变换相结合的图像融合算法研究

针对小波变换在表达图像边界及线状特征上的缺陷,以及NSCT变换在表达图像细节信息的不足,提出了在红外图像与可见光图像融合的过程中采用基于NSCT变换和小波变换相结合的图像融合算法。在图像NSCT分解后,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采用了基于区域方差的融合规则。实验结果表明,基于NSCT变换和小波变换相结合的融合算法能更好地保持可见光图像的光谱信息和红外图像的目标信息,具有更多的细节特征以及更清晰的边缘。     

离散小波变换和奇异值分解相融合的彩色图像水印算法

为加强数字多媒体的版权保护,提出了一种结合离散小波变换和奇异值分解相融合的彩色图像水印算法(DWT-SVD).首先对彩色数字载体图像进行小波分解,并对其小波系数进行奇异值分解;然后对水印信息采用Arnold进行置乱,并进行奇异值分解;最后将水印信息的奇异值嵌入到彩色图像的小波系数奇异值中,并对水印嵌入强度进行调节.仿真结果表明,DWT-SVD可以检测到完整的水印信息,具有良好的不可见性,对各种攻击具有较强的鲁棒性.     

利用子波变换的图象压缩编码技术

从1988年Malial将子波交换用于信号处理提出多分辨率分析概念，给出了信号或图象分解为不同频率通道的算法和重构算法，开创了子波变换在图象处理中的应用．于波变换在时域和频域同时具有良好的局部化性能，使子波变换成为视频图象压缩编码的主要技术，专家预计在1996年将会高清晰度电视标准的子波变换视频图象压缩技术将推出问世．本文将综述子波变换图象压缩编码技术当前的进展。     

基于图形小波变换的遥感图像表示与去噪

离散小波变换(Discrete Wavelet Transform,DWT)通常用于图像的表示。然而,对于具有不规则形状边缘的图像,尤其是对于纹理和细节信息较多的遥感图像,DWT却很难有效表示,进而影响后续去噪效果。针对该问题,提出了一种基于图形小波变换(Graphic Wavelet Transform,GWT)的图像去噪方法。首先,将图像表示为图形信号,并通过该图形信号的谱表示构造相应的变换矩阵;然后,设计了一种改进自适应阈值的图像去噪方法,在GWT变换域内对图像去噪。实验结果表明,与常用的图像去噪方法相比,所提算法能够提供更好的图像主观质量。采用均方根误差(Root Mean Square Error,RMSE)和峰值信噪比(Peak Signal-to-Noise Ratio,PSNR)作为客观指标,结果表明,采用所提方法得到的重建图像客观质量更优。