非抽样轮廓波变换域图像融合方法研究

轮廓波变换由于不具备平移不变性,应用于图像融合会产生褶皱现象。针对轮廓波变换的这一不足,提出了一种基于非抽样轮廓波变换的图像融合算法。首先由非抽样金字塔和非抽样方向滤波器组对源图像进行多尺度、多方向分解,然后对得到的变换系数进行融合处理得到融合系数,最后对融合系数进行重构即可得到融合图像。算法将具备平移不变性的非抽样轮廓波变换应用于图像融合,消除了褶皱现象,获得了更好的融合效果。实验结果表明,与其他基于多分辨率分解的融合算法相比,该算法显著减小了融合图像的MSE及ΔH,提高了Correlation值及融合图像的清晰度,是一种有效的融合算法。     

抗混叠轮廓波变换及其在图像融合中的应用

研究了原始轮廓波变换的频谱混叠问题,设计出能抑制混叠的多尺度分解方案,结合方向滤波器组,实现了一种抗混叠的轮廓波变换.在此基础上,提出了新颖的基于抗混叠轮廓波变换的图像融合算法.该算法通过邻域一致性测度的计算,实现了变换系数的局部自适应融合.实验结果表明,所提出的方法在视觉质量及定量指标上都优于基于小波变换和轮廓波变换的传统方法.     

基于解析轮廓波变换的图像稀疏表示及其在压缩传感中的应用

 提出了具有平移不变性的低冗余度解析轮廓波变换.在该变换中圆对称滤波器组首先将图像分解为多个不同分辨率的细节子带和一个低频子带,再对细节子带进行希尔伯特变换形成二维解析信号.最后用方向滤波器组对二维解析信号进行分解,实现具有平移不变性多尺度多方向的解析轮廓波变换.解析轮廓波变换基函数的实部和虚部与Gabor小波的实部和虚部类似,符合人眼视觉特性.实验结果表明解析轮廓波变换在图像去噪和压缩传感方面具有明显优势.     

具有多方向选择性的小波构造

在二维离散希尔伯特空间中构造了一种具有简单细胞感受野特性的多方向低冗余度小波.该小波的频谱具有扇形支撑区,因此本文称之为扇形方向小波(fanlet).Fanlet变换通过圆周对称多分辨率分解和方向滤波器组实现,它将图像分解为多分辨率多方向子带.利用遗传算法设计fanlet变换中满足重构条件的圆周对称滤波器组.与轮廓波(contourlet)相比,Fanlet的光滑度高,并且没有频谱混淆现象.实验结果表明,利用fanlet进行图像去噪,其峰值信噪比和视觉效果均优于contourlet.     

基于均匀离散曲波变换的多聚焦图像融合

利用均匀离散曲波变换（UDCT）多尺度、多方向、低冗余等特征,提出了一种新的多聚焦图像融合方法。首先使用UDCT对源图像进行多频带分解;然后根据多聚焦图像的特点,对分解后的低频子带系数运用一种基于改进拉普拉斯和算子的方案进行融合,对高频方向子带系数运用基于局部能量的融合规则进行融合,并对融合系数做一致性检测;最后重建各子带系数得到融合图像。实验结果表明:所提方法可以有效地融合源图像中的方向信息和细节特征,同时抑制了融合图像中的伪Gibbs现象;与基于拉普拉斯金字塔分解、小波变换以及轮廓波变换的图像融合方法相比,该方法取得了更好的视觉效果和量化结果。     

基于非下采样轮廓小波变换的图像去噪

针对采用下采样滤波器结构的轮廓波、轮廓小波在图像去噪过程中会引入伪吉布斯现象,利用小波变换(WT)和非下采样方向滤波器组(NDFB)构造了一种新的多尺度、多分辨率图像的非下采样轮廓小波变换(NWCT)。WT去除了拉普拉斯金字塔滤波器(LPF)的计算冗余,NDFB保证了该变换具有平移不变性。为了验证该变换的有效性,对其进行了图像去噪实验。实验结果表明,所提出方法能获得比WT、轮廓波变换(CT)、轮廓小波变换(WCT)更高的峰值信噪比(PSNR),并且能够很好地抑制伪吉布斯现象。     

基于采样二通道不可分小波的多光谱图像融合

针对基于非下采样不可分小波图像融合方法空间分辨率不高、基于张量积小波融合方法会出现方块效应的不足,提出了一种基于伸缩矩阵为[1,1;1,-1]的二通道采样不可分小波的多光谱图像和全色图像融合方法.利用矩阵扩充方法,构造了一组新的不可分低通滤波器和高通滤波器组,利用所设计滤波器组分别对多光谱图像的亮度分量和全色图像作下采样的多尺度不可分小波分解,分别对分解后的低频子图像和高频子图像按不同的融合规则进行融合.实验结果表明,其保持光谱信息的能力和保持空间分辨率信息的能力比基于IHS变换融合方法、基于DWT的融合方法、基于IHS-DWT的融合方法、基于IHS-Contourlet变换的融合方法、基于IHS-Curvelet变换的融合方法、SRF方法都强,与基于非下采样的二通道不可分正交小波和不可分双正交小波融合方法相比,该方法能保持较好的整体光谱信息和较高的空间分辨率信息.     

结合向导滤波与复轮廓波变换的多聚焦图像融合算法

多聚焦融合在图像识别和分析中具有非常重要的地位。为了有效地保留源图像的细节,克服变换域算法由于空间不连续性产生的人造纹理和灰度不均衡。该文结合复轮廓波时频分离的优点和向导滤波的特点提出了一种基于向导滤波的复轮廓波域多聚焦图像融合算法。首先,对源图像进行复轮廓波分解,其次对分解的低频系数进行基于向导滤波的均值融合策略,然后对分解的高频系数进行基于向导滤波的改进拉普拉斯能量和模取大的融合策略,最后通过复轮廓波反变换得到融合后的图像。实验结果表明,该算法利用向导滤波显著的提升了变换域融合算法的空间连续性,不仅可以获得良好的视觉融合效果,而且其客观评价指标也得到了提升。      

冗余轮廓波变换的构造及其在SAR图像降斑中的应用

构造了由非抽样塔式分解和方向滤波器组实现的冗余轮廓波变换。文中利用McClellan变换设计非抽样塔式分解中满足精确重构条件的圆对称滤波器组。利用冗余轮廓波变换系数的自适应局部统计模型及最大后验概率法对SAR图像进行降斑处理,并与基于平稳小波和轮廓波变换的降斑算法进行比较。结果表明,提出的算法能有效地去除散斑噪声,并且具有更强的边缘保持能力。     

自适应多尺度几何分析的全色和多光谱图像融合方法研究

为了利用全色和多光谱图像融合得到一幅空间分辨率较高和光谱信息丰富的遥感图像。结合窗口空间频率绝对值最大原则的高频条带波系数融合规则,提出一种基于自适应多尺度几何分析变换的融合方法。利用Landsat-7数据进行试验,得到一幅空间分辨率和光谱信息都较好的融合图像。和轮廓波方法、IHS、小波变换方法进行比较,本方法提高融合图像的质量,图像的边缘细节更明显清晰。     

基于Contourlet系数局部特征的选择性遥感图像融合算法

为了使融合后的多光谱图像在显著提高空间分辨率的同时,尽可能多地保持原始多光谱特性,提出了一种基于Contourlet变换系数局部特征的选择性遥感图像融合方法。根据多光谱和全色图像融合过程中Contourlet变换后的低频和高频部分融合目的的不同,对得到的近似和各层各方向的细节分量分别运用窗口邻域移动模板逐一计算相应区域Contourlet系数阵的不同局部特征量,然后选择适当的准则,对图像的近似和细节分量分别应用不同的策略在Contourlet系数域内进行选择性融合,通过Contourlet和亮度-色调-饱和度(IHS)逆变换得到融合的高分辨率多光谱图像。采用Landsat TM多光谱和SPOT全色图像进行的融合实验结果表明:提出的算法在显著提高空间分辨率的同时,又能很好地保持原始图像的光谱特征,并优于传统的融合方法。     

基于NSST变换与自适应PCNN的多特征遥感图像融合

针对基于NSCT变换的遥感图像融合算法存在计算复杂度高,细节表现能力不足的问题,本文提出了一种基于NSST变换与自适应PCNN的多特征遥感图像融合算法。首先,利用HSV变换提取MS图像的亮度分量V,并将得到的亮度分量V与PAN图像分别进行NSST变换;其次,对于低频子带,提出了一种基于自适应的PCNN融合规则,将空间频率和区域平均梯度分别作为PCNN的外部激励和链接强度;对于高频子带,采用基于多特征的融合规则;最后,进行逆NSST变换和逆HSV变换得到融合图像。仿真实验表明,该算法与一些经典的融合算法相比不仅可以提高图像融合质量,在视觉效果和客观指标上也都有良好的表现。     

基于NSCT与FCM的多时相遥感图像的变化检测

提出了一种基于非下采样Contourlet变换和模糊C均值聚类相结合的方法。该方法首先对两时相遥感图像进行相减运算得到差异图像。再对差异图像进行NSCT多尺度分解得到子带图像,将各子带图像与差异图像本身构成特征向量。最后通过使用模糊C均值聚类算法对多尺度特征向量进行分类得到最终的变化检测结果(变化和非变化类)。该算法不受变化类和非变化类统计分布的限制,不需要先验知识,适用性强。对真实遥感数据集进行研究,实验结果表明本文方法可以得到较好的检测效果;将本文算法与传统方法相比,该方法具有更好的检测精确度和抗噪性能。     

基于小波的全局多源遥感图像信息融合方法

提出的图像信息融合方法用于解决传统方法在空间分辨率等方面的不足。原始图像经过小波变换，分解成子图像，再进行分块处理，高、低分辨率图像根据全局方差准则分别计算融合的权值系数，进行图像融合重建，然后，对图像采用全局法进行信息融合，实验表明，方法切实可行，能使低分辨率图像接近于高分辨率图像。     

一种混合的遥感图像增强方法

根据遥感图像细节信息丰富,信息量大,目标和背景区分度小等特点,针对目前的遥感图像增强方法无法满足在去噪的同时增强图像对比度、细节和边缘的现象,提出了一种混合的遥感图像增强方法。首先将遥感图像做直方图均衡化,从全局增强图像的对比度,然后对遥感图像做NSCT变换,将其分解为一个低频子带和多个高频子带,对高频部分进行自适应阈值去噪和模糊对比度增强处理,为了防止过增强,对低频部分不做处理。最后对逆变换回空间域的图像用拉普拉斯滤波器增强图像的边缘。实验结果表明本文方法对遥感图像增强效果显著。     

一种基于小波-Contourlet变换的图像去噪算法

提出了一种基于小波-Contourlet变换的图像去噪算法.实验证明,该算法相对于小波变换和Contourlet变换能更稀疏的表达图像,并利用此优越性进行图像去噪,可以达到更好的效果和更高的PSNR值.     

基于引导滤波的遥感图像融合算法

针对目前遥感图像融合算法的不足,提出了一种基于引导滤波的遥感图像融合算法。该算法通过引导滤波器求取加权系数,对小波变换后的小波系数和近似系数进行加权融合,针对融合后得到的小波系数和近似系数应用小波反变换,最终得到融合图像。实验结果表明,文中提出的融合算法所得图像内容丰富、细节清晰、具有良好的实验效果。     

基于高维空间几何信息学的遥感图像去薄云算法

遥感图像中薄云的存在为遥感图像的判读带来了极大的影响,本文针对遥感图像中的薄云雾提出了一种基于高维空间几何信息学(High-Dimensional Space Geometrical Informatics)(HDSGI)的去云的新算法.基于HDSGI理论,将一副带有薄云的遥感图像作为高维空间中的一点,通过各向同性滤波...     

基于Contourlet变换的红外图像序列小目标检测技术

Contourlet变换具有多尺度,多方向性的特征,是小波的一种扩展.本文提出了一种基于Contourlet变换的红外小目标检测算法.首先对图像进行Contourlet分解;然后利用能量法提取其局部纹理特征,并计算各点的特征向量与中心向量问的距离,得到一个相关的多尺度距离像;最后根据该距离像进行直方图统计,从而实现目标的检测.文中给出了实验结果,并与基于小波变换的红外小目标检测算法进行了比较,结果表明,本方法能较精确地检测出红外小目标,优于基于小波变换的方法.