基于指数阈值的小波包变换图像去噪方法

小波包分析是一种比小波变换更加精细的分析方法,在对分解后的小波包系数进行软、硬阈值化处理时,易使重构后的图像产生马赛克现象,造成图像失真,为此提出一种基于指教阈值的小波包变换图像去噪方法.该方法采用小波包对含噪图像进行分解,然后利用指数降噪因子除小波包系数.实验表明,本算法去噪后的图像在峰值信噪比及主观视觉效果两方面均得到了明显改善.     

一种自适应的小波方向对比度图像融合算法

对多传感器获得的图像序列进行图像融合,可以采用基于小波变换的多分辨率分析图像融合方法。首先,对两幅待融合图像进行小波变换,采用平均加权的方法来获得融合后的低频分量;采用一种基于图像对比度的自适应算法来获得融合后的高频分量。最后从最高分解层到最低分解层依次对得到的高频小波系数和该分解层的低频小波系数进行小波逆变换,最终得到具有原图像有用信息的融合图像。实验结果表明,这种算法可以很好地保留原图像的有用信息,是一种有效的图像融合算法.     

基于多个小波包基分析的图像融合去噪方法研究

根据不同特性的小渡包基有效表示图像的侧重点不同,提出一种基于多个小波包基分析的图像融合去噪方法.即利用不同特性的小波包基对含噪图像进行分解,然后对软阈值处理后的系数按照一定的融合规则进行融合处理,得到一组新的融合后的子图像,最后利用小波包逆变换重构得到融合后的新图像.实验表明,本算法去噪后的图像在峰值信噪比及主观视觉效果两方面均得到了明显改善.     

基于小波包分解和形态学融合的地基云图边缘检测

采用一种基于小波包分解和数学形态学融合的边缘提取方法用于地基云图的边缘检测.首先对图像进行基于小波包分解的边缘提取,然后对图像进行数学形态学的边缘检测,最后利用图像融合技术对两幅图像进行融合得出最优边缘图像.通过Matlab软件验证和比较,表明该方法实际使用效果较好.     

一种基于小波包变换的SAR图像与TM图像融合方法

为了增强来自不同传感器的图像信息，改善图像的可分析和提取能力，近年来，常采用小波变换融合方法。但小波变换只对低频信息进行多分辨分析，并不考虑高频信息的多级分解。小波包变换不仅能对图像的低频部分，而且对小波变换没有细分的高频部分也能进一步地分解。因此，小波包分析能够为图像融合提供一种比小波多分辨分析更加精细的分析方法。在研究了小波包分析法后，提出了一种小波包图像融合方法。利用此融合算法对同一场景的不同传感器荻得的合成孔径雷达（SAR）图像和专题绘图仪（TM）图像进行融合，通过客观分析与目视评价，证明该融合方法的融合结果更好。     

基于小波包的遥感图像融合新算法

提出了一种基于正交小波包的局域方差遥感图像融合新算法．该算法利用正交小波包变换,把图像分解成不同尺度的低频和高频部分,采用小波包局域窗口和子区域窗口统计,把小波包系数分类成边缘和非边缘系数．在融合处理中,把低频图像的小波包系数平均值作为融合后的低频系数,高频细节系数根据不同区域特征选择方法以及对应图像小波包系数的多窗口区域方差,来确定融合后高频小波包系数．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,有效且优于其他图像融合算法．     

基于区域特征的小波变换图像融合方法

图像融合的目的是把来自多传感器的数据互补信息合并成一幅新的图像，以改善图像的视觉效果。笔者提出一种基于小波变换的图像融合方法，其思想是先把待融合图像采用小波进行分解，然后在对分解后的小波系数矩阵采用区域特征进行融合处理，最后采用小波逆变换得到融合图像。该方法很好地区分了图像低频分量和高频分量对融合的不同影响，实验表明取得了较好的融合效果。     

基于整数小波变换的图像融合算法

图像融合技术是将同一对象的两个或更多的图像合成在一幅图像中,以便使它比原来的任何一幅图像更容易为人们所理解。成功地进行图像融合的关键在于找到有效实用的图像融合算法。本文提出了一种基于整数小波变换的图像融合算法,首先将待融合的源图像作多层整数小波分解,然后对各分解层分别实行融合处理得到新的小波系数矩阵,最后通过整数小波逆变换得到融合的图像。实验结果表明本算法具有很好融合效果和实用性。     

基于图像融合的联合小波包图像去噪方法研究

提出一种基于图像融合的联合小波包图像去噪方法.利用不同特性的小波包基对含噪图像进行阅值去噪,得到多幅降噪图像,然后按照一定的融合准则对这些图像进行处理.实验表明,本算法去噪后的图像在峰值信噪比及主观视觉效果两方面均得到了明显改善.     

两种变换域相结合的医学图像融合

为了克服单一图像分析方法在图像分解时存在的局限性,采用两种变换域相结合的方法来实现CT/MRI图像融合。利用基函数多尺度和多方向性的特点,对CT与MRI源图像进行非下采样Contourlet变换(NSCT);将分解之后的CT低频近似部分和MRI低频近似部分再分别进行小波变换,小波分解与融合之后得到融合图像的低频系数,而对NSCT变换后的高频细节部分利用邻域能量取大方法得到融合图像的高频系数;再对高频系数与低频系数进行逆NSCT变换得到融合图像。结果表明,两种变换域结合的算法比单一的多尺度分析算法更有效可行,使得融合图像对比度更高、更清晰。     

基于小波包移频算法的遥感图像融合技术

为了对分类最小二乘支持向量机实施有效的稀疏化，以提高分类速率，采用分类相关分析算法，按序提取样本核矩阵的全部分类相关成分，并依据样本核矩阵各列与分类相关成分的相关性，对训练集所有个体按分类的重要性排序，进而可选取最重要的部分个体作为支持向量，并将其余非支持向量的信息转移至支持向量，以提高支持向量的分类表达能力.由此构建一种新的稀疏型最小二乘支持向量机CS LSSVM，并将其应用于多个模式分类的实际问题.测试结果表明，CS LSSVM稀疏性很强，且保持了标准LSSVM的分类性能，还可直接适用于多类问题.     

基于小波变换的多聚焦图像自适应融合

图像融合是对来自同一场景的不同源图像的信息进行互补和合成,从而获得更为准确、更为全面、更为可靠的图像。采用了一种基于小波变换的自适应图像融合方法,首先将配准好的图像进行小波分解,并提取出细节分量和近似分量。其次,针对不同的频率域选择不同的融合规则,对低频系数选取区域均匀度和变化率相结合的融合规则,对高频系数选用区域方向对比度和区域匹配度相结合的自适应融合规则。最后通过小波逆变换得到融合图像。将其它融合算法和文中所提算法进行主观和客观的对比,结果表明,该算法是一种有效可行的图像融合算法。     

基于快速整数提升小波变换的多幅图像融合

在分析已有多分辨率图像融合方法的基础上,针对多幅图像融合模型的选择问题,提出了一种基于快速整数提升小波变换的多幅图像融合新算法。首先采用整数提升小波变换将多幅源图像分解到不同尺度、方向频带范围内,然后根据图像提升小波变换后不同子带的特点分别采用了2种新的高、低频融合策略,最后通过整数提升小波逆变换得到融合图像。对多幅源图像进行了融合实验,并对融合结果进行了主观和客观的评价。实验结果表明,该算法不仅适合多幅图像的实时快速融合,而且可以获得视觉效果较佳、细节更为丰富的融合图像。     

基于Haar小波变换的图像融合方法

为了有效的提高多个传感器的图像融合精度,该文提出了基于Haar小波变换的图像融合方法,首先分析了小波变换中不同频率分量对图像融合精度的影响,然后详细探讨了高频分量系数的确定方法。选取信息熵作为图像融合算法性能的评价指标,通过仿真实验定量分析了高频分量系数对图像融合精度的影响,实验结果表明高频分量系数并非越大越好,应根据融合后的图像信息熵确定高频分量系数。     

基于小波包的SPIHT算法图像压缩

富含细节、纹理和边缘的图像中,重要信息大量集中在中、高频部分,基于小波变换的压缩方法只对低频信息进行多次分解.针对这个问题,以SPIHT算法为基础,研究了基于小波包分解的图像压缩算法.仿真结果表明,采用小波包分解的SPIHT算法与传统SPIHT算法相比,在同压缩比情况下,峰值信噪比提高了0.35~1dB,适用于纹理丰富的图像的压缩.     

基于非下采样剪切波变换的医学图像融合算法

为了解决单一模态医学图像的局限性,提出了一种基于非下采样剪切波变换(NSST)的多模态医学图像融合方法.该方法利用NSST将待融合的医学图像分解成低频系数和高频系数,并利用区域能量加权(WLE)的方法对分解后的低频系数进行融合,使用区域能量和平均梯度加权的方法对分解后医学图像的高低频系数进行融合,采用NSST逆变换重建融合后的图像.选择信息熵、平均梯度和空间频率3个参数作为融合图像的客观评价参数,结果表明,该方法取得的融合结果比离散小波、轮廓波和非下采样轮廓波变换等传统方法更好,计算效率更高.     

Application of remote-sensing-image fusion to the monitoring of mining induced subsidence

We discuss remote-sensing-image fusion based on a multi-band wavelet and RGB feature fusion method. The fused data can be used to monitor the dynamic evolution of mining induced subsidence. High resolution panchromatic image data and multi-spectral image data were first decomposed with a multi-ary wavelet method. Then the high frequency components of the high resolution image were fused with the features from the R, G, B bands of the multi-spectral image to form a new high frequency component. Then the newly formed high frequency component and the low frequency component were inversely transformed using a multi-ary wavelet method. Finally, color images were formed from the newly formed R, G, B bands. In our experiment we used images with a resolution of 10 m (SPOT), and TM30 images, of the Huainan mining area. These images were fused with a trinary wavelet method. In addition, we used four indexes-entropy, average gradient, wavelet energy and spectral distortion-to assess the new method. The result indicates that this new method can improve the clarity and resolution of the images and also preserves the information from the original images. Using the fused images for monitoring mining induced subsidence achieves a good effect.