基于交叉累积剩余熵和NSCT的多模式遥感图像配准

图像配准是图像变化检测、融合、拼接等技术的 基础,在遥感图像处理领域具有广泛的应用 。利用非抽样Contourlet变换(NSCT)在图像分解上的灵活性,交叉累积剩余熵(CCRE)对遥感图像进行配准的有效性,提出一种基于CCRE和NSCT 的多模式遥感图像配准算法。首先对参考图像和待配准图像分别进行NSCT分解得到低频图像 ,然后采用CCRE作为相似性测度,利用牛顿法获得最优仿射变换模型的 参数对图像进行配准。实验 结果表明,本文方法能够较快的搜索到全局最优解,配准精度高,是一种有效的配准算法。     

基于NSCT和PCNN的可见光与红外图像融合算法

提出了一种基于Contourlet变换的非下采样变换(Nonsubsampled ContourletTransform,NSCT)和脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)的可见光与红外图像融合算法。该算法首先对源图像进行NSCT分解,得到低频子带系数和各带通方向子带系数。然后对低频子带系数提出一种基于可见光与红外图像自身特性的加权平均融合方法,再对各带通子带系数提出基于PCNN的融合方法。最后经过NSCT逆变换得到融合图像。实验证明,该方法优于小波方法和传统的NSCT方法。     

基于Shearlet与改进PCNN的图像融合

提出了一种基于离散剪切波(shearlet)和改进的脉冲耦合神经网络(PCNN)进行图像融合的方法。首先,采用shearlet变换将已配准的两个源图像进行分解,得到低频子带系数和不同尺度不同方向的高频子带系数,低频部分采用简单的加权平均法;高频部分,提出基于改进的拉普拉斯能量作为PCNN链接强度的算法。最后,进行shearlet反变换得到融合图像。仿真结果表明,本文的算法有更好的融合效果,并且所用时间也比非采样轮廓波(NSCT)少。     

基于改进CPD算法的SPECT-B超甲状腺图像配准

为了获得更多甲状腺肿瘤的诊断信息,文章提出了一种基于改进CPD算法的甲状腺肿瘤的SPECT图像和B超图像自动配准方法。首先,将参考图像(SPECT图像)和待配准图像(B超图像)分别通过阈值分割和图割的方法提取轮廓特征点;然后,用遗传算法和粒子群算法相结合的优化算法对CPD的权重参数进行自动寻优,利用改进的CPD算法对提取出的两组特征点进行匹配,得到两幅图像的空间变换参数;最后,将待配准图像按所求得的变换参数旋转、平移,从而获得配准后图像。实验结果表明,该方法能实现SPECT与B超甲状腺肿瘤图像的良好配准,具有参数少、精度高、鲁棒性好等特点。     

基于NSST的红外与可见光图像融合算法

针对红外与可见光图像具有不同的特点,提出一种新的基于非下采样剪切波变换（NSST）的红外与可见光图像融合算法.算法首先采用NSST将已配准的红外与可见光图像进行分解,得到低频子带图像和各尺度各方向的高频子带图像;然后对低频子带图像采用一种基于显著图的低频融合规则进行融合,而对高频子带图像的融合,结合人眼视觉特性,采用一种基于改进的区域对比度的融合规则;最后,对融合的低频子带图像和高频子带图像进行NSST逆变换得到融合图像.实验结果表明,该算法能够有效地综合红外与可见光图像中的重要信息,融合效果要优于一般的基于NSCT、NSST的图像融合方法.     

基于NSCT的红外与可见光图像融合

针对红外与可见光图像特点,提出一种基于非下采样Contourlet变换(NSCT)的红外与可见光图像融合算法。该算法对源图像进行NSCT分解,得到低频分量和各带通方向子带分量;引入图像区域相关系数决策度,对低频分量和带通方向子带分量采用不同的融合规则进行融合;最后经过NSCT逆变换得到融合图像。实验证明,该方法可以更好地保留目标信息和图像细节信息。     

一种基于非采样Contourlet变换红外图像与可见光图像融合算法

针对同一场景红外图像与可见光图像的融合问题,提出了一种基于非采样Contourlet变换(Nonsubsampled Contourlet Transform,NSCT)图像融合算法.算法首先采用NSCT对源图像进行多尺度、多方向分解,得到低频子带系数和各带通方向子带系数.然后,针对低频子带系数的选择,提出了一种基于红外图像与可见光图像物理特征的"加权平均"系数选择方案;针对各带通方向子带系数的选择,结合人眼视觉特性,提出了一种基于区域能量匹配的系数选择方案,得到融合图像的NSCT系数.最后经过NSCT逆变换得到融合图像.实验结果表明该算法可获得较理想的融合图像,其融合效果优于传统的基于离散小波变换以及离散小波框架变换的图像融合算法.     

NSCT域内基于改进PCNN和区域能量的多光谱和全色图像融合方法

针对多光谱和全色图像的融合,提出了一种NSCT域内基于改进脉冲耦合神经网络（PCNN）和区域能量的融合方法。首先,利用NSCT将图像分解为一个低频子带和多个不同方向的带通子带。然后,对分解后的低频子带采用基于区域能量的自适应加权算法进行融合;在带通方向子带,结合改进的脉冲耦合神经网络,使用带通方向子带系数作为PCNN的外部输入激励,经过PCNN点火获得待融合图像的点火映射图,根据点火时间计算点火映射图的区域能量,通过判决算子选择待融合图像的带通方向子带系数作为融合系数。最后,对融合处理后的NSCT变换系数进行重构生成融合图像。实验结果显示:在迭代次数为100次时,与改进小波算法相比,标准差提高了9.48%,熵提高了0.95%,相关系数提高了21.56%,偏差指数降低了29.66%;与Contourlet算法相比,标准差提高了9.73%,熵提高了0.94%,相关系数提高了11.27%,偏差指数降低了9.45%;与NSCT算法相比,标准差提高了3.84%,熵提高了3.34%,相关系数提高了7.89%,偏差指数降低了7.42%。     

一种基于NSCT和PCNN的图像融合算法

在NSCT变换域提出了一种基于清晰度和PCNN的图像融合算法。首先对源图像分别进行NSCT变换,得到一组高频子带,和一个低频子带。然后对低频子带用提出的边缘清晰度算法进行融合处理,对高频子带,用提出的空间频率做链接强度的自适应PCNN算法进行融合处理。最后通过NSCT逆变换得到融合结果图像。对融合图像的结果分析证明,该算法在主观评价和客观评价指标方面都有所提高。     

基于NSCT-PCNN的多聚焦红外图像融合

由于红外镜头景深的限制,为获得场景中所有区域都聚焦清晰的图像,提出一种在非下采样轮廓波变换(NSCT)域结合改进的脉冲耦合神经网络(PCNN)的多聚焦红外图像的融合算法。首先通过NSCT将图像分解为不同尺度和方向的子带;低频子带图像利用基于一致性验证的特征选择规则进行融合;对于高频子带,采用改进的空域频率激励PCNN模型,选择点火时间最大的系数进行融合;最后通过NSCT反变换得到融合图像。通过多组同一场景不同聚焦位置下的红外图像融合实验,结果分析表明该算法能从源图像中获得更多的信息,更好地保留源图像的边缘信息,融合效果优于相关算法。     

基于Guide滤波和NSCT-PCNN的图像增强

针对图像不均匀的特点,提出了基于Guide滤波和非下采样Contourlet变换（ NSCT）和脉冲耦合神经网络（ PNCC）的图像增强方法。首先,采用直方图均衡化和中值滤波分别对图像进行了预处理;其次,采用NSCT?PCNN对预处理后的图像分别进行分解,提取出高频子带系数和低频子带系数;然后,Guide滤波对高频子带系数和低频子带系数进行处理;最后通过对所有子带系数进行NSCT逆变换,得到增强后的图像。实验结果表明该算法优于其他方法,有更好的图像增强效果和视觉效果。     

基于自类推与NSCT的单幅图像超分辨率技术

在很多实际应用中很难获得适当的图像训练集,但是单幅图像放大却是一个病态问题。利用图像局部结构的自相似性和可传递性,结合非下采样Contourlet变换(NSCT)的优点,提出一种基于自类推与NSCT的单幅图像超分辨率重建(SRR)方法。采用NSCT对源图像和退化图像进行多尺度、多方向分解,得到用于学习的各带通方向子带对,利用图像自类推技术生成高分辨率的各带通方向子带,与立方插值放大后的源图像进行NSCT重构得到超分辨率重建图像。实验结果表明,该方法可以独立进行,摆脱一般方法对训练结合的依赖,能产生更为合理的细节,视觉边缘更清晰,图像更逼真。     

基于Contourlet变换和多尺度Rentinex的水下图像增强算法

针对水下图像对比度低、边缘模糊、噪声大等特点,提出一种基于非下采样Contourlet变换和多尺度Retinex的水下图像增强算法。将水下图像进行多尺度多方向的非下采样Contourlet变换;利用多尺度Retinex算法调整低频系数,提高图像整体对比度;在各带通方向子带上估计噪声,抑制模值小于阈值的系数,改进神经网络中的Sigmoid函数用于调节模值大于阈值的系数;经非下采样Contourlet逆变换得到增强图像。与几种传统增强算法相比,本算法处理的图像达到了抑制噪声、改善图像对比度、突出目标轮廓的目的,具有较高的对比度评估值。     

一种新的基于多尺度几何分析的图像融合方法

基于多尺度几何分析方法——非下采样轮廓波(Con tourlet)变换(NSCT)和Beamlet变 换,提出一种全新的医学图像融合方法。在进行NSCT分解后,在高频成分首先使用Beamlet 变换进行边缘检测, 然后根据聚类分割边缘密度的差值确定其系数的融合规则;对于低频成分,采用局部区域标 准方差系数的融合规则;经过 一致性校正后,通过对融合后的高频与低频子带系数进行逆NSCT得到重构图像。数值实验表 明,与传统的融合方法相 比较,本文方法能够有效减少噪声对融合图像的干扰,增强了融合的线性细节表达能力,提 高了信息量。     

NSCT域内结合边缘特征和自适应PCNN的红外与可见光图像融合

针对传统的基于多尺度变换的红外与可见光图像融合,对比度不高,边缘等细节信息保留不充分等问题,结合NSCT变换的多分辨率、多方向特性和PCNN全局耦合、脉冲同步激发等优点,提出一种基于NSCT变换结合边缘特征和自适应PCNN红外与可见光图像融合算法.对于低频子带,采用一种基于边缘的融合方法;对于高频方向子带,采用方向信息自适应调节PCNN的链接强度,使用改进的空间频率特征作为PCNN的外部激励,根据脉冲点火幅度融合子带系数.实验结果验证了该算法的有效性.     

基于NSCT变换和小波变换相结合的图像融合算法研究

针对小波变换在表达图像边界及线状特征上的缺陷,以及NSCT变换在表达图像细节信息的不足,提出了在红外图像与可见光图像融合的过程中采用基于NSCT变换和小波变换相结合的图像融合算法。在图像NSCT分解后,对低频系数使用基于小波变换的融合算法,对高频系数结合融合图像的特点采用了基于区域方差的融合规则。实验结果表明,基于NSCT变换和小波变换相结合的融合算法能更好地保持可见光图像的光谱信息和红外图像的目标信息,具有更多的细节特征以及更清晰的边缘。