Curvelet变换域图像融合算法

本文提出一种基于Curvelet变换域的局部区域能量匹配度的图像融合算法.该算法利用Curvelet变换多尺度和各向异性特征,可在保持图像稳定性的同时增强图像的细节信息,用于同一场景不同聚焦图像的数据融合可获得理想的结果.定量分析了在添加不同方差高斯噪声情况下利用小波和本文方法得到的融合图像对应原标准图像的峰值信噪比(PSNR).实验结果表明采用本文的图像融合算法在信息熵、结构相似度等方面均好于经典算法.     

应用第二代Curvelet变换的遥感图像融合

提出了一种基于第二代Curvelet变换遥感图像融合算法。将具有高空间分辨力的Pan图像与Ms图像的待融合波段图像进行直方图匹配,并对直方图匹配后的Pan图像与待融合波段Ms图像分别进行Curvelet变换分解,得到各自的低频子带系数和各带通方向子带系数;采用一定的融合规则对Curvelet变换系数进行组合得到融合图像的Curvelet系数;最后对组合后的系数进行Curvelet重构得到该波段具有高空间分辨力的Ms图像。对IKONOS卫星遥感图像的仿真实验结果表明:与传统的基于亮度-色调-饱和度彩色空间变换融合算法相比,该算法使融合后的Ms图像整体光谱保持度提高了10.54％,而与传统的基于小波变换的图像融算法相比,其空间质量提高了0.81%~1.12%, 有效解决了基于亮度-色调-饱和度彩色空间变换融合算法中光谱失真严重和基于小波变换图像融合算法中空间质量较低的缺点,使得融合后的Ms图像在最大可能地保持原始Ms图像光谱特性的同时,显著提高了融合图像的空间质量。     

基于二代Curvelet变换和ProbShrink算法的红外图像背景抑制

为了提高红外复杂背景下弱小目标的检测性能,提出了一种基于二代Curvelet变换和ProbShrink算法的红外图像背景抑制新方法。弱小目标在二代Curvelet变换后表现为高频信息,而二代Curvelet系数表示了边缘信息的稀疏,抑制其低频系数即能很好地去除大部分复杂背景。本文通过对高频子带系数单一分布和联合分布的分析,确定包含目标信息的子带位置,利用ProbShrink算法对高频系数中的背景系数进行有效地缩减。实验结果显示,对输入信噪比为4．16dB的复杂云层进行背景抑制后,其输出信噪比能达到40．04dB,优于小波和二代Curvelet的方法,表明本文算法能够很好地抑制红外图像背景,保留弱小目标信息。     

抗混叠Curvelet变换非高斯双变量模型图像降噪

提出了一种基于非高斯双变量模型复数Curvelet变换的图像降噪新方法.采用具有近似移不变性的复数小波变换代替原Curvelet变换中的小波变换,并用改进的Radon变换避免了原Radon变换中一维傅里叶反变换在频域中采样不足的缺陷,从而保证了新的复数Curvelet变换具有抗混叠性能.充分利用信号系数层间相关性强而噪声系数层间相关性弱的特点,采用非高斯双变量对复数Curvelet变换域系数进行建模,并通过Bayesian MAP估计器对信号系数进行估计,从而实现降噪目的.实验结果表明,本文去噪法得到的峰值信噪比(PSNR)分别比传统Curvelet去噪法和Curvelet域HMT去噪法平均提高2.9 dB和1.5 dB,且能避免重构图像中出现"划痕"和"嵌入污点",在有效去噪的同时,可较好地保护图像边缘和细节.     

一种改进的基于小波变换的遥感图像融合方法

针对多光谱与全色图像的融合,提出一种改进的基于小波变换的融合方法,首先对多光谱图像进行IHS变换,其次将全色图像和多光谱图像的强度分量进行改进的基小波变换的比值融合,并用融合结果取代多光谱图像的强度分量,最后再做IHS逆变换得到融合图像.实验结果证明融合算法较IHS变换算法和常用的小波融合算法有更好的融合效果.     

一种基于分形和小波变换的图像放大算法

为了更好地进行图像放大,利用小波变换的思想,提出了一种分形插值和小波变换相结合的图像放大算法.分形插值能够较好的保持原有图像的纹理特征,小波变换后的高频分量具有丰富的细节边缘信息,因而能够重构出高质量的图像.实验表明,和其它算法相比,使用该算法放大后的图像具有更好的主观和客观质量.     

基于小波变换的图像数据融合方法

提出一种基于小波变换的图像数据融合方法.原始图像经过小波变换,分解成亮度子图像和边缘子图像,对分解后的子图像进行分块处理,根据局部区域方差准则计算融合系数,对每个子块图像进行数据融合,最后重建图像.实验结果表明,本文方法具有很好的一致性.     

基于改进小波变换的多方向图像边缘检测算法

在对图像的小波变换原理讨论的基础上,针对传统小波变换在图像边缘检测中的不足,提出了基于改进小波变换的图像边缘检测算法.该算法从多个方向对图像进行多尺度小波变换;采用相邻尺度小波系数相乘的方法去除噪声,提取小波系数乘积的极大值点;将这多个方向上的极大点进行融合,形成图像的边缘.仿真实验表明,该算法具有较好的边缘检测和抑制噪声的能力,边缘检测效果明显优于传统的边缘检测方法.     

基于多小波的图像处理在电晕检测中的应用

提出了基于多小波变换的图像处理方法,该方法以多小波变换为基础,在一次多小波分解与重构之间完成双谱段图像处理.首先进行多小波变换,将变换系数进行软阈值收缩消去噪声;然后根据图像中需增强的信息,选择增强系数进行子带增强;最后提出一种新的自适应权值融合规则,采用这个规则融合变换系数,进行小波重构得到处理后的单幅图像.实验表明,这种方法不仅能提高图像的视觉效果,增强源图像的边缘信息,而且能很好地将源图像中列电晕检测有用的信息融合在一起,提高电晕检测系统的定位精度.     

基于小波变换的多聚焦图像算法研究

多聚焦图像融合就是把分别聚焦到各个目标多次拍摄而得到的多幅图像进行融合,从而得到在一幅图像内各个目标都清晰的图像。由于小波变换具有多分辨或多尺度特性,因此可以通过小波变换把多幅图像分解到一系列的频率空间,然后在每个空间按照一定的融合规则算法对图像的信息进行处理,最后把处理后的信息通过小波逆变换得到融合图像。从实验结果可以看出,给出的方法很好地保留了多幅原图像的有用信息,融合图像清晰度较好,是一种有效的图像融合算法。     

基于小波多尺度分解的区域图像融合及算法研究

提出一种新的图像融合方法,该方法首先利用小波变换对要融合的图像进行多尺度小波分解;然后对分解后的各层上不同频带的子图像采用不同的融合处理技术,即在低频域内采用平均算子进行融合处理,以保留图像的背景信息,在高频域内对分解后的小波系数矩阵采用区域特征进行融合处理;最后将融合的低频分量和高频细节分量结合进行小波逆变换得到融合图像。采用该融合算法对两幅不同位置聚焦的图像进行融合实验,结果表明,采用该方法可以得到较好的融合效果。     

基于方向对比度和区域标准差的图像融合方法

提出了一种基于方向对比度和区域标准差最大化的多分辨率图像融合新方法。该方法先对参加融合的源图像进行小波多分辨率分解并定义方向对比度和区域标准差,然后采用基于方向对比度和区域标准差最大化的融合规则得到融合后图像的小波系数;最后通过逆小波变换得到融合图像。采用该方法得到的融合图像突出和增强了各源图像的对比度与细节信息。实验结果表明该方法是十分有效的。     

基于小波变换纹理一致性测度的遥感图像融合算法

本文提出了一种基于小波变换的遥感图像融合算法，利用多分辨小波变换的系数，采用低频图像的小波系数最小值作为融合后的低频系数，高频图像根据纹理一致性测度的纹理检测确定融合规则，调整高频小波系数大小。利用小波变换对图像相对应的低频分量及各方向细节分量进行针对性融合处理，很好地将来自不同图像的特征与细节融合在一起，并对融合图像质量进行了对比评价。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，这种算法有效且优于传统的图像融合方法。     

曲波域铁谱磨粒图像特征提取方法研究

曲波变换具有多尺度分析能力,与小波变换相比可更好地表达图像的曲线特征.为有效描述铁谱磨粒的形貌特征,提出一种曲波域图像特征提取方法.利用曲波变换将磨粒图像进行分解,得到不同尺度的曲波系数;根据曲波系数统计分布特点,采用广义高斯分布模型对细尺度和精细尺度曲波系数分布进行建模;提取粗尺度曲波系数的均值、标准差、能量和熵等统计特征,以及细尺度和精细尺度曲波系数的广义高斯分布模型参数描述磨粒特征.将提取的特征用于发动机典型磨粒识别,识别成功率达到了88.9%,表明该方法所提特征能很好地表达铁谱磨粒的形貌特征.     

基于DCT变换的图像融合方法研究

提出了一种基于离散余弦变换(DCT)以及一种结合小波变换与DCT变换的图像融合新方法。前者将源图像进行分块DCT变换,依据DCT系数的高频能量,对源图像的对应区域进行融合。后者利用DCT系数的高频能量对小波分解后得到的低频子图进行融合,同时以此为依据对小波最高分解层的小波高频系数进行选择,其他分解层的小波高频系数依据最大局部方差准则进行融合。依照平均误差、峰值信噪比以及均方根误差等客观评价标准,将新方法与其他常用的基于小波变换或DCT变换的融合方法进行了比较。实验结果表明,结合小波变换与DCT变换的图像融合新方法获得的融合效果优于其他方法。该方法与常用的基于小波变换的融合方法相比,其平均误差减少了40.8%~69.5%,峰值信噪比提高了9.9%~15.6%,均方根误差减少了34.8%~47.5%,评价结果与目视效果相吻合,表明该方法能有效地提高图像融合的质量。基于DCT变换的图像融合新方法的融合效果仅次于结合小波变换与DCT变换的图像融合新方法且其计算量相对较少,适用于实时处理。     

基于补偿机制的NSCT域红外与可见光图像融合

针对传统基于非下采样Contourlet变换和脉冲耦合神经网络的图像融合方法易出现图像失真的缺点,本文提出一种基于小波变换与PCNN补偿的NSCT域内红外与可见光图像融合方法。首先将红外和可见光图像分别进行NSCT分解,得到低频分量和高频分量;然后对低频分量进行二维小波分解,得到1个低频子带和3个方向子带,对其低频子带采用局部能量加权的方法进行融合,其余3个子带采用绝对值取大的方法进行融合;NSCT分解的高频子带融合规则分为对最高层的融合和其他层的融合,最高层采用绝对值取大的方法进行融合,而其余层采用的是基于改进型的PCNN的方法进行融合;最后将得到的低频子带和高频子带进行NSCT重构获得融合图像。合成及真实图像集实验结果表明,本文算法相对于传统的融合方法增加了图像的纹理和细节信息,有效地抑制了图像失真问题,具有较高的融合精度与较快的融合效率。     

基于小波变换和形态学的图像边缘检测方法

提出了一种基于小波变换和形态学的图像边缘检测方法。对源图像进行小波分解,用数学形态学法对低频子图像进行边缘检测,用小波变换法提取高频图像的边缘,采用一定的融合规则将两个边缘图像融合在一起得到一幅完好的边缘图像。这种边缘检测方法结合了小波变换法和数学形态学法的优点,对用这两种方法得到的边缘信息进行融合,有效地抑制了噪声,且边缘连续、清晰。实验结果表明,提出的这种结合方法优于单独使用数学形态学法或小波变换法。