基于小波变换和邻域特征的多聚焦图像融合算法

提出了一种基于小波变换和邻域特征的多聚焦图像融合算法。该算法首先采用小波变换对源图像进行多尺度分解,得到低频和高频子图像;然后对低频子图像采用基于邻域归一化梯度的方法得到低频融合系数,对高频子图像采用基于邻域方差的方法得到高频融合系数;最后进行小波重构得到融合图像。采用均方根误差、信息熵以及峰值信噪比等评价标准,将该算法与传统融合方法的融合效果进行了比较。实验结果表明,该算法所得融合图像的效果和质量均有明显提高。     

红外图像与可见光图像融合算法研究

红外图像和可见光图像反映不同拍摄仪器下目标景物的不同特征。首先,通过小波分解得到高频分量系数和低频分量系数,高频系数和低频系数分别处理,高频系数采用邻域区域相关性方差的规则,低频系数采用梯度求和加权的规则。然后进行逆变换得到融合图像。最后利用信息熵、平均梯度、互信息方法对图像的融合效果进行综合评价。得到实验结果,融合图像包含更多的信息量,更有助于人眼的判断与观察。     

一种基于显著特征的图像融合算法

充分利用小波变换的多分辨率分析特性,文章提出了一种基于显著特征的小波变换图像融合方法。首先对待融合图像进行小波分解,得到低频系数和高频系数;然后对低频系数提出了一种基于显著特征——空间频率的融合规则,对高频分量使用系数绝对值选大的规则进行融合;最后对融合后的低频系数和高频系数进行小波反变换得到融合图像。同时探讨了多聚焦图像中存在的虚假轮廓现象并提出了一种简便的定位方法。仿真实验表明,文中算法得到的融合图像在视觉效果上较传统算法及其一些改进算法有所提高,同时熵、标准差和互信息等客观评价指标值也得到了提高。     

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。     

一种新的多传感器图像融合方法

提出了一种基于小波变换的改进图像融合方法和一种图像融合评价指标。对小波分解后的高频分量使用图像区域内象素的最大绝对值作为该区域中心象素的活性测度以得到融合图像的高频分量，对分解后的低频分量通过度量图像区域质量来选择该区域中心象素从而确定融合图像的低频分量，最后进行小波重构得到融合图像；文中还提出了用交互方差作为图像融合客观评价指标的方法。实验结果表明，该融合方法得到的图像清晰度和对比度都得到了较大的提高，是一种有效的图像融合算法；并且用交互方差作为图像融合的客观评价指标是可行的。     

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．     

基于小波变换人脸图像融合方法的研究

利用小波高频系数区域选大法、小波区域能量选大法、小波系数区域标准差选大法、小波区域平均梯度选大法四种融合算法,通过小波变换将图像金字塔选择系数进行一系列的处理后构成融合图像信息。最后从均值、信息熵、交叉熵、扭曲程度、相关系数等方面对融合后图像进行了评价,验证了算法的可行性。     

基于显著计算与自适应PCNN的图像融合方法

针对多尺度变换的图像融合对低频系数进行简单的加权平均处理时,不能很好地保护源图像中的显著信息的问题,提出一种将视觉显著计算的结果作为自适应脉冲耦合神经网络的链接强度,通过脉冲耦合神经网络指导多尺度图像融合中低频系数融合的方法。首先对源图像进行形态非抽样小波分解,得到低频系数和各尺度的高频系数,对低频系数采用显著计算与脉冲耦合神经网络的融合规则,高频系数选取绝对值较大者,最后通过反变换得到融合图像。实验结果表明,该方法在一定程度上保留了源图像中的显著信息,改善了互信息、信息熵、平均梯度和边缘保持度等融合指标。     

一种改进的基于小波变换的图像融合算法

提出了一种改进的基于小波变换的图像融合算法。对待融合图像进行小波变换,从而得到低频和高频分量,然后针对低频分量和高频分量采用不同的融合策略。对于低频分量,提出一种根据相关系数进行加权平均的融合策略;对于高频分量,采用局部方差最大的融合策略。最后,利用熵、平均梯度等评价融合效果。仿真实验表明,该算法有效地提高了熵、平均梯度值,在较好保持原始图像信息的情况下丰富了图像的细节信息。     

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.     

小波包变换的图像融合技术的研究

图像融合技术是把同一目标的多幅图像融合成一幅高质量的图像.给出了一种基于小波包变换的图像融合方法.对两幅图像分别进行小波包分解,得到两幅图像的小波包分解系数,进一步对小波包系数进行分析和处理.对两幅图像低频波段的逼近系数取均值,对高频段选取绝对值大的小波包系数,得到融合系数矩阵.对融合数据进行小波包反变换,得到两幅图像的融合图像.使用该方法对两幅图像进行了融合,得到的融合图像汲取了两幅图像的优势,视觉效果较好.     

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。     

基于区域能量的NSST域偏振图像融合算法

针对传统的偏振图像融合方法存在图像细节丢失、边缘模糊、对比度下降等不足,提出了一种基于区域能量的非下采样剪切波变换域(NSST)偏振图像融合方法。首先,利用NSST对源图像进行分解,获取源图像的低频子带系数和高频子带系数;然后,对分解得到的低频系数基于区域能量加权融合,对高频系数先基于区域能量取大融合,再应用引导滤波进行细节增强;最后,通过NSST逆变换得到融合图像。实验结果表明,融合后的偏振图像能够较好地保留细节信息,同时使边缘更加清晰,图像标准差、平均梯度、信息熵、对比度、空间频率相对传统方法均有不同程度的提高,具有更好的视觉效果。     

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.     

Improved Region Energy Based Image Fusion Rule for Multi-focus Image Fusion

In this paper, we propose a novel improved region energy based image fusion rule. The original images are firstly decomposed by using the lifting scheme of wavelet transform into four sub-bands： LL, LH, HL, HH, by studying principles and characteristics of the wavelet subbands, and we put emphasis on the high frequency subbands. Thus HH, HL, LH sub-bands, which represent three direction of high frequency details, are weighted by different size of three direction Gaussian kernel, then the energy based image fusion rule is applied with a optional size of window, thus the activity level of high frequency subbands are obtained, followed by a local region matching degree in the corresponding direction and resolution, an activity level of low frequency subband is calculated, then perform consistency verification on the selected wavelet coefficients, by doing the inverse wavelet transform the fused image is obtained. The performance of the proposed novel image fusion scheme is conducted and compared with a few existing image fusion algorithm, the experimental results show Keywords：