基于级联混沌系统和量子Baker映射的图像加密算法北大核心CSCD

量子图像加密借助于量子纠缠和叠加特性来提高算法效率,同时,与传统的图像加密算法相比,其在信息传递的安全性上更具优越性。针对量子图像仅在空间域或变换域不能充分置乱混淆的问题,文章提出了空间域和变换域操作相结合的置乱混淆方法。首先,通过量子Baker映射对图像像素的位置进行空间域的置乱。其次,利用量子比特旋转改变空间域像素的灰度信息,其中旋转角度由级联混沌系统产生的伪随机序列来确定;然后,将空间域的量子态转换到傅里叶变换域,并在傅里叶域进行量子比特旋转;最后,利用量子傅里叶逆变换将变换域信息转换到空间域得到密文图像。由于Baker映射周期更长,使得本文算法的密钥空间更大。另外,基于级联混沌系统的旋转参数生成可以减轻密钥传输负担。仿真实验结果验证了本文算法的安全性和有效性,且在复杂度上优于经典图像加密算法。     

基于多方向复支持度变换的多聚焦图像融合

针对支持度变换应用于多聚焦图像融合存在的不足,提出复方向滤波器组与支持度变换相结合的图像融合方法.采用支持度变换对图像进行多尺度分解以提取高频和低频分量,运用复方向滤波器组对各级高频分量进行分解,提取各方向图像信息,对源图像各对应频带的分解信息按照规则融合,并重构得到融合图像.实验结果表明,该方法不仅可取得较好的主观融合效果,而且客观融合指标也优于支持度变换方法.     

基于IHS变换与小波变换的图像融合

提出一种将IHS变换和小波变换相结合的图像融合算法,适用于多光谱图像和高分辨率图像的融合.算法首先对多光谱图像进行IHS变换,之后利用变换后得到的强度分量和高分辨图像具有较强的相关性的特点,在小波变换域进行图像融合,得到了同时具有较好的空间分辨率和光谱信息的融合图像.实验对比数据表明该方法具有较好的融合效果,融合图像优于传统的IHS变换法和传统小波变换方法.     

利用NSCT实现夜视图像的彩色化增强

针对夜视融合图像通常存在细节不够丰富、目标对比度低的问题,为了获得更为理想的图像增强效果,提出一种新颖的基于非下采样轮廓波变换(NSCT)的夜视图像彩色融合方法.构建了基于S函数与子图局部方差信息的可变加权融合策略,在NSCT域内实现可见光及红外源图像的自适应融合;将得到的融合图像与源图像进行组合并映射至YUV颜色空间,生成伪彩色融合图像;再运用颜色传递技术获得重染色的彩色融合图像.实验结果表明,该方法既能丰富彩色融合图像的细节,又能提高其亮度对比度和目标的可探测性,增强了观察者对场景的理解.     

基于DCT的遥感图像融合算法

提出一种结合离散余弦变换(DCT)与GIHS变换的遥感影像融合方法.该方法根据DCT的性质直接在DCT域进行遥感图像融合,适合于实时系统.对现有算法的融合实验结果进行比较,通过主观和客观评价,该方法能在提高空间分辨率与保持光谱特性之间得到更好的折中.     

基于Shearlet变换域改进的IR与灰度VIS图像融合算法

针对多尺度变换域内红外(IR)与灰度可见光(VIS)图像融合后图像清晰度差、纹理信息不丰富等问题,提出一种基于剪切波变换(ST)域改进的IR与灰度VIS图像融合算法.首先,采用形态学顶帽变换(MTH)增强IR与VIS图像;然后,对增强后的IR与VIS图像采用ST变换,将其分解成高、低频图像,针对高频图像提出局部标准差(LSTD)与系数绝对值的融合策略;针对低频图像提出一种改进的权值融合策略;最后,通过逆剪切波变换(IST)获得最终融合图像.仿真实验结果表明,所推荐的方法具有优越的性能.     

混合多尺度分析和改进PCNN相结合的图像融合方法

为了更好地融合全色图像中的空间细节信息和多光谱图像中的光谱信息,提出一种基于混合多尺度分析和改进脉冲耦合神经网络(PCNN)的多光谱与全色图像融合方法.首先对全色图像和多光谱图像进行非下采样剪切波变换(NSST),并结合不同多尺度分析方法的互补特性,利用平稳小波变换(SWT)对低频分量部分进行二次分解,在混合多尺度域进行系数融合及SWT逆变换;然后采用基于PCNN的融合规则对高频分量部分进行融合;最后对融合后的高低频系数进行NSST逆变换,得到融合图像.在2组卫星拍摄的多光谱和全色图像上的实验结果表明,在主观视觉与客观评价指标的总体效果上,该方法优于其他8种经典以及流行方法.     

基于SML和PCNN的NSCT域多聚焦图像融合

针对融合规则带来的虚假边缘、伪影等问题,提出了改进拉普拉斯能量和(Sum-modified Laplacian,SML)和脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)相结合的非下采样Contourlet变换(Non-Sampled Con-tourlet Transform,NSCT)域融合方法。首先,采用NSCT将每幅源图像分解成包含基本信息的低频子带图像和多幅包含细节信息的带通子带图像。然后,计算各尺度分解图像的SML值,根据值的大小对低频子带图像各像素点进行像素选择。对于带通子带部分,将计算的SML作为PCNN的输入激励,PCNN输出的点火映射图用来选择各子带图像的像素值。最后,将处理后的各子带系数进行NSCT重构得到融合图像。实验结果表明,此算法能很好地改善融合图像的聚焦清晰度,并且与现有的SIDWT,DTCWT,NSCT以及基于PCNN的融合方法相比,所提算法在互信息量、结构相似度以及边缘信息保留量等客观指标方面得到了提高。     

基于离散傅里叶变换融合双混沌映射的图像加密算法研究

频域加密非常适用于大多数数字和光学图像处理体系,而空间域加密则适用于图像通信。为了充分利用在图像频率域和空间域加密的优势,进一步提高图像加密系统的安全性,提出基于离散的傅里叶变换和双混沌映射的图像加密算法,同时对图像的频率域和空间域进行加密。首先,利用二维离散的傅里叶变换将图像从空间域转换成频率域,并用改进的分段Tent映射分别对幅值和位相进行置乱处理;其次,将置乱后图像频率域进行傅里叶逆变换,转换成空间域,获得置乱加密图像;最后,利用改进的Bernoulli移位映射对置乱加密图像进行扩散处理。在MATLAB仿真平台上,实验结果表明:该算法高度安全,密钥空间大,有较强的密钥敏感性能,有效地提高了抵御选择明文攻击的能力。     

基于多小波变换域特征的多模态医学图像融合

多小波是小波理论的扩展,在图像处理方面具有单小波所不具有的优点.它能够为图像提供一种比小波多分辨率分析更加精确的分析方法.在研究了多小波变换域上同一尺度多个子带间相关性、子带内相邻系数的相关性以及能量的低聚性的特性后,提出了一种基于离散多小波变换域特征的融合方法,并将不同模态的医学脑部CT图像和MR图像利用此方法进行融合,相比于传统小波域内的图像融合方法.该方法不仅能够完好地显示源图像各自的信息,很好地将源图像的细节融合在一起,而且得到的融合图像具有更良好的视觉效果和更优的量化指标,体现出更好的融合效果.     

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。     

基于注意力与残差级联的红外与可见光图像融合方法

红外与可见光图像融合是在复杂环境中获得高质量目标图像的一种有效手段,广泛应用于目标检测、人脸识别等领域。传统的红外与可见光图像融合方法未充分利用图像的关键信息,导致融合图像的视觉效果不佳、背景细节信息丢失。针对该问题,提出基于注意力与残差级联的端到端融合方法。将源图像输入到生成器中,通过层次特征提取模块提取源图像的层次特征,基于U-net连接的解码器融合层次特征并生成初始融合图像。将生成器与输入预融合图像的判别器进行对抗训练,同时利用细节损失函数优化生成器,补充融合图像缺失的信息。此外,在判别器中,采用谱归一化技术提高生成对抗网络训练的稳定性。实验结果表明,该方法的信息熵、标准差、互信息、空间频率分别为7.118 2、46.629 2、14.236 3和20.321,相比FusionGAN、LP、STDFusionNet等融合方法,能够充分提取源图像的信息,所得图像具有较优的视觉效果和图像质量。     

基于双树复小波变换的相位保持SAR图像降噪

为更有效地抑制噪声,提出了一种基于非正交复值log-Gabor小波变换的SAR图像斑点噪声消除算法。该算法通过相位保持消噪的门限操作确保相位信息不受破坏。由于用单一的乘性模型或加性模型消除SAR图像的斑点噪声都不能取得很好的效果,为此使用具有平移不变性及更多方向选择性的双树复小波变换图像融合算法,通过选择适当的融合规则,使乘性和加性噪声模型优势互补,就能有效抑制斑点噪声。实验结果显示,这种消噪方法与其他方法相比,有明显优势。     

红外与可见光图像渐进融合深度网络

目的 红外与可见光图像融合的目标是获得具有完整场景表达能力的高质量融合图像。由于深度特征具有良好的泛化性、鲁棒性和发展潜力,很多基于深度学习的融合方法被提出,在深度特征空间进行图像融合,并取得了良好的效果。此外,受传统基于多尺度分解的融合方法的启发,不同尺度的特征有利于保留源图像的更多信息。基于此,提出了一种新颖的渐进式红外与可见光图像融合框架(progressive fusion, ProFuse)。方法 该框架以U-Net为骨干提取多尺度特征,然后逐渐融合多尺度特征,既对包含全局信息的高层特征和包含更多细节的低层特征进行融合,也在原始尺寸特征(保持更多细节)和其他更小尺寸特征(保持语义信息)上进行融合,最终逐层重建融合图像。结果 实验在TNO(Toegepast Natuurwetenschappelijk Onderzoek)和INO(Institut National D’optique)数据集上与其他6种方法进行比较,在选择的6项客观指标上,本文方法在互信息(mutual Information, MI)上相比FusionGAN(generative adversarial ...     

基于卷积神经网络与视觉显著性的图像融合

传统的红外与可见光图像融合方法,多数需要手动提取特征且特征提取单一。而深度学习可以自动选择图像特征,改善特征提取的单一性,因此提出一种基于卷积神经网络与视觉显著性的红外和可见光图像融合方法。利用卷积神经网络获得红外目标与背景的二分类图;利用条件随机场对分类图进行精分割得到显著性目标提取图;采用非下采样轮廓波变换并结合目标提取图,得到融合图像。实验结果表明,该方法在主观视觉和客观评价方面均优于传统非智能方法,并且5个客观评价指标(边缘信息保留量,结构相似度,互信息,信息熵和标准差)均有显著提高。     

无人机影像匹配点云单木识别算法

针对单木识别研究中“局部最大值”算法因窗口大小设置不同而产生的单木漏识别与错识别问题,提出了联合“局部最大值”与“单木树冠结构分析”的单木识别算法。算法首先利用“局部最大值”获得候选单木;然后对候选单木树冠结构进行分析,提取树冠结构曲线;最后通过对树冠结构曲线判别,剔除、合并错识别与过识别单木,从而提高单木识别的精度。选取大兴安岭林区８个典型样地进行实验,以实测可见单木为参考,与窗口大小为1.0 m、2.0 m 的两种“局部最大值”算法进行比较。结果表明,该算法8个样地整体F 测度为90.45％,相比1.0 m、2.0 m 窗口的“局部最大值”法F 测度74.82％、77.35％,分别提高,15.63％,13.10％。     

多目标粒子群优化PCNN参数的图像融合算法

目的 脉冲耦合神经网络（PCNN）在图像融合上往往因为参数设置问题而达不到最佳效果,为了提高图像融合的质量,提出了一种基于多目标粒子群优化PCNN参数的图像融合算法。方法 首先用多目标粒子群对PCNN模型参数进行优化得到最优PCNN参数模型,然后利用双复树小波（DTCWT）对图像多尺度分解,将高频分量通过优化好的PCNN模型进行高频融合,低频分量通过拉普拉斯分量绝对和（SML）来进行低频融合,最后通过DTCWT逆变换实现图像的融合。结果 分别与DTCWT,拉普拉斯金字塔变换（LP）以及非下采样Contourlet变换（NSCT）进行实验对比,融合图像Clock,Lab的融合结果在客观指标上的互信息（8.062 3,7.908 5）、图像的品质因数（0.716 2,0.714 2）和标准差（51.213,47.671）都优于其他方法,熵和其他方法差不多,融合结果能够获得更好的视觉效果以及较大的互信息值和边缘信息保留值。结论 该方法有较好融合图像的能力,可适用于计算机视觉、医学、遥感等领域。     

基于双变换的红外与可见光图像融合增强

通过研究可见光视觉图像与红外图像序列的相关特性及融合处理中存在的问题, 提出一种基于视觉图像预增强处理的曲波与小波双变换融合机制来有效保留边缘信息和图像细节信息。实验结果表明所提出的方法提高了融合图像的视觉感知质量, 为遮挡和伪装目标的检测和定位提供了更为有效的空间环境, 并且融合增强后的图像具有更高的信噪比和更少的人工痕迹, 与当前最新的其他方法相比是一种具有更好融合质量和更高效率的图像/视频融合方法。     

基于小波框架的多传感器图像融合

图像融合是多传感器信息融合在图像处理领域的一个重要应用,以小波变换为工具是这一领域研究方法上的重大突破。文章从理论上分析了以小波框架进行图像融合优于正交小波,采用不同的融合规则对同一目标的不同聚焦图像进行试验,并对实验结果进行了分析和评价,评价结果与理论分析相吻合。     

Multi-spectral image fusion method based on two channels non-separable wavelets

A construction method of two channels non-separable wavelets filter bank which dilation matrix is [1, 1; 1,-1] and its application in the fusion of multi-spectral image are presented. Many 4×4 filter banks are designed. The multi-spectral image fusion algorithm based on this kind of wavelet is proposed. Using this filter bank, multi-resolution wavelet decomposition of the intensity of multi-spectral image and panchromatic image is performed, and the two low-frequency components of the intensity and the panchromatic image are merged by using a tradeoff parameter. The experiment results show that this method is good in the preservation of spectral quality and high spatial resolution information. Its performance in preserving spectral quality and high spatial information is better than the fusion method based on DWFT and IHS. When the parameter t is closed to 1, the fused image can obtain rich spectral information from the original MS image. The amount of computation reduced to only half of the fusion method based on four channels wavelet transform.