基于小波变换的SAR与可见光图像融合算法*

提出了一种基于小波变换的SAR图像与可见光图像的融合算法。为抑制斑点噪声,对SAR图像作平滑滤波。图像经小波变换后,计算不同分解层高频图像对应区域的均值与标准差,采用区域统计特性量测的融合规则;低频图像直接采用SAR图像的小波低频系数作为融合后的低频系数,对得到的融合低、高频图像作小波反变换。     

融合小波变换和形态学差分的图像边缘检测

图像边缘检测的关键是在尽量多检测到边缘的同时更有效地抑制噪声,为此提出了一种融合小波变换和形态学差分算法的边缘检测方法。将源图像进行小波分解,高频分量利用小波模极大值算法进行边缘检测,可有效提取高频边缘;低频分量采用形态学差分算法进行边缘检测,能够检测出低频边缘;采用一定的融合规则将两个边缘检测图像融合在一起。实验结果表明,该方法优于单独使用小波模极大值法或数学形态学法,对噪声具有很好的鲁棒性,得到的图像边缘连续、清晰。     

基于区域性能的自适应遥感图像融合方法

为了把图像的融合效果评价信息加入到融合规则的选取过程当中,针对合成孔径雷达和可见光两种常见的遥感图像,提出了一种基于区域性能的自适应融合方法。该方法首先利用平滑滤波抑制SAR图像斑点噪声,再分别对源图像作小波分解。融合图像的低频系数由一组区域性能评价参量按隶属度控制规则自适应调节得到;高频系数则直接采用可见光图像的高频系数,对新的低频和高频系数实施小波反变换即可得到融合图像。实验结果表明该方法能够取得很好的融合效果。     

基于形态Haar小波的SAR图像斑点噪声抑制方法

针对现有相干斑抑制算法不能在去除斑点噪声和保持图像边缘、细节信息之间做到很好的折中,提出了一种新的基于形态Haar小波变换的合成孔径雷达(SAR)图像斑点噪声抑制方法。该方法首先对SAR图像进行二维形态Haar小波分解,图像的边缘、细节和纹理信息在低频子带中得到了更好的保留,噪声主要分布在高频子带;然后,根据各高频子带噪声的特点,分别对高频子带进行均值和中值滤波达到去除斑点噪声的目的;最后,再对低频子带和处理后的高频子带进行形态Haar小波精确重构得到去斑图像。实验证明:该算法不仅大大改善了原始SAR图像的画面质量,同时很好地保持了原始SAR图像的纹理特性和细节信息;该算法去斑性能指标总体优于传统的Lee滤波、Frost滤波、Kuan滤波和小波软阈值法。     

基于形态Haar小波变换的多聚焦图像融合

针对多聚焦图像融合问题,提出一种基于形态Haar小波分解和重构的新方法。通过形态Haar小波分解源图像,在低频分量中保留图像边缘和细节,并采用加权平均法进行融合。高频分量先经Gauss滤波去除噪声和边缘效应,再按取大值的原则进行融合。结合形态Haar小波重构融合后的高低频系数获得融合图像。实验结果表明,该方法能最大限度地保留图像边缘和细节信息,与总体平均法和小波变换法相比,融合图像的熵较大,总体交叉熵较小。     

基于小波变换的图像多尺度数据融合

现有的图像数据融合方法对目标检测并不十分满意，为了提高目标检测的分辨率，抑制每个传感器的检测噪声，提出一种基于小波谱换的图像数据融合新方法，在图像分解的高域风，选择多源图像绝对值较大的系数作为重要小波系数，在低频域内，新的逼近系统通过对多源图像的逼近系数进行加权平均得到，然后利用重要小波系数和加权逼近系数进行小波反变换，即可得到融合之后的图像，实验结果表明，基于小波变换的图像数据融合方法具有良好的效果，并用于广泛的研究领域。     

融合双阈值和改进形态学的边缘检测

图像边缘检测的关键是在尽量多检测到边缘的同时更有效地抑制噪声,为此提出一种融合双阈值和数学形态学的边缘检测方法。首先对原图像进行小波分解,利用双阈值法处理高频分量,利用多尺度多结构数学形态学算法处理低频分量;然后采用差影法对高低频边缘图像融合。实验结果表明,对比单一使用小波模极大值法或数学形态学法,该算法具有更好的抑制噪声能力,检测出的边缘更加连续、清晰。     

复小波包域遥感图像局部自适应融合算法

为了使融合后的图像在保持原IKONOS 卫星图像多光谱特性的同时,最大可能地提高图像空间 分辨率,提出了一种基于四树复小波包变换的SAR 图像与多光谱IKONOS 卫星图像相融合的新方法．该方法 利用复小波包变换的多方向性和对高频细节信号良好的时频局部化分析能力,分别对IKONOS 图像经HIS 空 间变化的I 分量子图和SAR 图像进行复小波包分解,并对分解后的低频复系数采用取平均或取大值的方法、 对高频方向复系数采用邻域一致性测度的局部自适应方法进行复系数融合．用融合后复系数经复小波包反变 化得到的图像代替原IKONOS 图像经HIS 变换的I 分量,再经HIS 空间反变换得到最终的融合图像．实验结 果表明,该融合算法在光谱保留和空间质量提高方面,比传统的基于小波变换的融合算法具有更高的性能．     

提升五株形小波在多光谱图像融合中的应用

提出一种基于IHS变换和提升五株形小波变换相结合的融合方法,并把它应用于多光谱图像与高分辨图像的融合中。该算法对多光谱图像进行IHS变换,将得到的亮度分量I和高分辨率图像做多尺度提升五株形小波分解,采用不同的融合算子对高低频分量进行融合,对融合后图像进行提升五株形小波重构和IHS逆变换得到融合结果图像,并采用客观性能指标对融合结果图像进行了客观评价。实验结果表明,该方法对多光谱图像和高分辨率图像的融合有较好的融合效果,能从原图像中获得更多的信息,同时又能保持较高的空间分辨率。该方法的融合算法和分解层数的选取,是简便有效的,适用于多光谱图像融合。     

基于改进型WBCT的多光谱图像融合方法

针对多光谱图像的融合问题,以提升小波变换代替传统小波变换,提出一种改进的WBCT方法。利用该方法对源图像进行多尺度分解,得到高频和低频分量,采用不同的融合规则对其进行处理,得到融合后的系数,并通过逆变换得到融合图像。实验结果表明,与Contourlet变换和提升小波变换相比,改进方法的融合效果有明显提升。     

基于多尺度特征融合的SAR图像分割

由于存在相干斑噪声的影响,给SAR图像分割造成很大的困难,提出一种基于多尺度特征融合的SAR图像分割方法。该方法利用快速离散curvelet变换提取图像的纹理特征,利用平稳小波变换提取图像的统计特征,将两种多尺度特征融合成高维的特征向量,采用模糊C均值聚类的方法进行分割。在仿真SAR图像和真实SAR图像的分割实验结果表明,提出的方法优于单独采用小波变换进行SAR图像分割的方法,在消除均质区内碎块的同时,使得边界更为精准和平滑。     

基于Contourlet变换的多波段SAR图像融合

针对不同波段SAR图像的融合,该文提出了一种在Contourlet变换域融合的方法,利用Contourlet变换的充分表示图像边缘信息的能力,将图像分解为低通系数和不同方向的高频系数,对方向高频系数定义一个边缘信息量测指标,选择量测指标大的系数作为融合系数,解决了小波变换融合中图像边缘信息容易丢失的问题。通过对两波段SAR图像进行融合实验并与小波变换融合结果比较,在视觉特性与统计因子客观评价上均取得了更好的效果。     

基于NSCT域邻域收缩的SAR图像去噪

针对合成孔径雷达（Synthetic Aperture Radar,SAR）图像受到相干斑噪声的干扰,严重影响了SAR图像的后续处理的问题,提出一种在非下采样轮廓变换（Nonsubsampled Contourlet Transform,NSCT）域将中值滤波和邻域收缩法相结合的SAR图像去噪算法。该算法对原始SAR图像进行NSCT分解,得到低频子带和高频子带图像,对低频子带使用中值滤波处理以去除低频子带中的低频噪声,利用NSCT分解系数之间的相关性,使用邻域收缩法对子带图的系数进行收缩,以消除高频子带中的高频噪声。实验证明,该算法与小波域邻域收缩去噪算法和NSCT硬阈值去噪算法相比,在去噪性能和视觉效果方面均有所提高,在消除噪声同时可以较好地保护纹理细节信息。     

一种基于小波变换的多聚焦图像融合方法

提出了一种改进的基于小波变换的多聚焦图像融合方法。该方法采用小波变换对源图像进行多尺度分解,得到高频和低频图像;对高频分量采用基于邻域方差加权平均的方法得到高频融合系数,对低频分量采用基于局部区域梯度信息的方法得到低频融合系数;进行小波反变换得到融合图像。采用均方根误差、信息熵以及峰值信噪比等评价标准,将该方法与传统融合方法的融合效果进行了比较。实验结果表明,该方法所得融合图像的效果和质量均有明显提高。     

基于方向可调的不可分离小波框架变换图像融合检测方法

针对复杂的中长波红外图像的特点,论文提出了一种基于方向可调的不可分离小波框架变换红外图像融合检测方法。首先,对图像进行不可分离小波变换分解,提取两幅图像的低频和高频,分别对高频和低频信息进行融合,并用逆变换重构成融合后的图像。对融合后的图像进行目标检测得出最终结果。实验结果表明文中提出的方法优于仅用长波或中波红外图像的目标检测。     

基于小波融合的射线图像增强算法*

提出一种基于小波融合的射线图像增强算法,利用射线成像的特点,对射线成像系统采集信号作分段灰度变换,将变换得到的多幅图像利用小波变换进行图像融合,以增强射线图像的显示效果。融合中采用低频图像的小波系数均值作为融合后的低频系数,高频图像根据梯度和一致性检测确定融合规则,调整高频小波系数大小,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,且优于传统的射线图像增强方法。     

基于提升小波变换的医学图像融合

目的 将不同模态的医学图像(如CT/MRI图像)进行科学融合,可以有效地丰富图像的信息,提高信息的利用效能,这对于医学临床诊断具有重要的理论研究意义和应用价值。方法 基于提升小波变换的特性,对多模态医学图像的融合算法进行研究。首先,对已配准的源图像进行多尺度分解,得到低频子带和多层高频子带;进而,根据低频子带的特点和各层高频子带的噪声含量不同,提出了低频子带系数采用基于区域平均能量的加权融合规则;对噪声含量较低的低层高频子带采用基于计盒分维法获取分维数,而对噪声含量较高的高层高频子带提出了基于区域梯度能量加权融合规则。结果 分别对灰度图像和彩色图像进行了大量融合实验,并分别在主观视觉特性及客观评价指标下对不同融合算法产生的融合图像的质量进行了分析对比,表明本文算法具有较好的边缘保持度。结论 实验结果表明,较现有算法产生的融合图像,应用本文融合算法得到的图像具有更丰富的信息,更能使图像灰度级分散,具有更良好的视觉特性和评价指标。     

基于具有对称性不可分小波的多聚焦图像融合

针对可分小波多聚焦图像融合方法存在的不足,提出一种基于四通道不可分小波的多聚焦图像融合方法。首先根据不可分小波理论,构造出一组二维四通道4×4具有对称性的不可分小波滤波器组;然后利用此滤波器组对参加融合的图像进行滤波,低频部分采用简单的加权平均算法,高频部分采用局部窗口能量取大的融合算法对分解后的系数图像进行融合;最后对图像进行重构,并采用熵、平均梯度等指标对融合结果图像进行了评价。实验结果表明,该方法对多聚焦图像的融合有较好的融合效果,与采用相同融合算法的基于可分小波的融合方法相比,能更好地突出低频域边缘细节信息,得到更为清晰的融合结果图像。