基于突变微粒群算法的图像融合技术

文中利用突变微粒群算法进行图像融合;将图像融合问题转化为优化问题,通过使目标函数(平均梯度)最大以求得好的融合效果;并以离散平稳小波变换代替传统的离散小波变换,以克服离散小波变换缺乏平移不变性的缺点;先对源图像进行离散平稳小波分解,细节部分利用能量系数矩阵进行融合;对于近似部分,利用突变微粒群算法求出最优权值对近似部分进行加权融合;实验结果表明,该方法的融合效果优于传统的融合算法。     

基于NCT的特征级图像融合

为得到更好的融合效果,将特征级融合与像素级融合相结合,利用Contourlet变换(CT)对源图像进行分解,对于近似图像,利用Canny算子进行边缘检测以得到边缘特征图像,再以边缘特征图像作为交叉视觉皮质模型的输入,根据各神经元的点火次数进行融合;对于细节图像,根据区域能量系数矩阵进行融合.通过多聚焦闹钟图像和CT、M...     

一种改进的图像融合技术

以离散平稳小波变换代替离散小波变换,利用Canny算子和交叉视觉皮质模型提取图像特征,将像素级融合和特征级融合相结合以获得好的融合效果。源图像经过离散平稳小波分解得到近似部分和细节部分。对于第一分解水平的细节部分,利用主成分分析算法计算出最大特征值,依据最大特征值进行加权平均融合。对于其他细节部分,根据区域能量进行融合。对于近似部分,先利用Canny算子进行边缘检测以得到边缘特征图像,再以边缘特征图像作为交叉视觉皮质模型的输入,根据各神经元的点火次数进行融合。对得到的融合图像的细节部分和近似部分进行离散平稳小波反变换得到融合图像。最后以多聚焦闹钟图像和CT、MRI图像对提出的算法进行实验,实验结果表明:提出的算法优于传统的融合算法。