基于Shearlet变换的遥感图像增强

遥感图像具有整体亮度偏暗、对比度较低和目标与 背景区分不明显的特点,遥感图像增强技术对于改善图像的对比度、突出某些局部细节等起 着积极的作用,图像的多尺度系统已经成功应用在图像处理中。经典的多尺度系统曲波(Cur verlet)变换、 轮廓波(Contourlet)变换无法将连续性与数字世界进行统一处理,而Shearlet变换是目前多 尺度领域 内唯一满足这一性质同时还提供对图像的最优稀疏表示的多尺度系统。本文提出一种基于Sh earlet变换的遥感图像增强 算法,首先将遥感图像进行Shearlet分解,然后对Shearlet变换产生的低频系数进行模糊对 比增强,对各尺度各 方向的高频系数进行模糊增强。实验结果表明,本文算法增强的结果,在主观上能获得很好 的视觉效果,客观指标中图像熵和均值有了大幅度的提升。     

基于Shearlet变换的红外与可见光图像融合

针对传统Shearlet变换融合方法在图像的奇异处 易产生伪吉布斯现象并且融合数据量 较大的缺点,本文结合 压缩感知(CS)理论提出一种基于改进Shearlet变换的红外与可见光图像融合方法。首先通过 非下采样金字塔滤波器组对待 融合红外与可见光图像分别进行分解,得到与原图像同等大小的高频信息图和低频信息图; 对于低频信息图,采用 能够恰当表征红外与可见光比例权值的局部区域信息熵进行融合;对于高频信息图,通过Sh earlet变换中水平、垂直和 对角剪切滤波器组进行滤波,继而将滤波后的系数分别采用简单且易物理实现的托普利茨矩 阵进行观测并权值融合, 然后通过分裂Bergman迭代获得融合后的高频Shearlet系数;最后经滤波器重构得到融合后 的图像。实验结果表明该算法有效地解决了吉布斯现象问题,融合图像对比度较高,并相对 于传统的融合方法减少了传输和融合的数据量,并且将融合时间缩短到50s以内,提高了融合效率。     

基于Shearlet变换的红外与可见光图像自适应融合

提出一种基于Shearlet变换的红外与可见光图像自适应融合算法。算法首先对待融合图像进行Shearlet变换;然而采用粒子群优化算法确定出低频成分的最佳融合权值,自适应地对红外与可见光图像的Shearlet低频系数进行整合,利用Shearlet变换对边缘、轮廓等细节特征的准确定位,采用加权局部能量最大准则对Shearlet高频系数进行融合;最后对融合系数进行逆Shearlet变换得到融合图像。与现有的部分算法进行对比实验,结果表明本文算法获得较好地融合效果。     

基于曲波变换的遥感图像融合研究

以SAR与可见光图像、多光谱与全色图像为研究对象,提出了一种基于曲波变换的遥感图像融合方法.首先将图像进行曲波变换,然后在不同的频率域利用融合规则融合曲波系数,最后通过重构得到融合图像.采用均方误差、偏差指数等指标对融合效果进行了客观评价,并与基于小波变换的融合进行了比较.实验结果表明,该方法在保留原始图像重要信息、抑制噪声能力方面均优于小波变换方法.     

基于区域分割的序列红外图像融合算法

针对传统的基于像素点和窗口策略的融合算法对图像特征表征的失真,提出了一种基于区域分割的序列图像融合算法.首先将序列红外图像分割为3个不同的特征区域,目标区域、背景区域以及灰度区域,并将分割结果映射到可见光图像中.随后,利用多尺度几何分析工具非下采样Contourlet变换(NSCT)有效提取图像特征的特点,根据不同区域的特性在NSCT域设计不同的融合规则.对试验结果进行主观和客观的对比,结果表明:基于区域分割的序列图像融合算法不仅能够为融合图像保留更全面、丰富的背景信息,还能够更加有效、准确地提取图像中的目标特征.该算法优于传统的基于像素点和窗口规则的融合算法,是一种有效可行的图像融合算法.     

Shearlet变换耦合细节强化因子的遥感图像融合算法

为克服当前较多遥感图像融合方法存在间断以及吉布斯现象,本文利用像素点间灰度以及梯度信息,设计了一种采用非下采样Shearlet变换(NSST)耦合细节强化因子的图像融合方法。将多光谱(MS)图像经过强度-色调-饱和度(IHS)变换,分离出强度成分。随后,借助 变换处理强度成分与全色(PAN)图像,获取对应的高频和低频系数。以强度成分对应的低频系数为依据,通过图像的空间频率特性计算加权系数,将PAN图像的低频系数植入到强度(I)成分对应的低频系数中,融合低频系数。采用像素点间灰度以及梯度信息,构造细节强化因子,融合高频系数。最后,采用IHS和NSST反变换重构这些融合系数,获取融合结果。实验结果显示：较当前融合技术,所提算法拥有更为理想的融合效果,具有更高的互信息值和更低的光谱偏差度值。     

基于区域分割和非采样Contourlet变换的红外和可见光图像融合

针对同一场景的红外和可见光图像,提出一种基于OTSU递归分割算法的区域分割和非采样Contourlet变换的红外和可见光图像融合算法。首先,对红外和可见光图像进行区域分割和区域关联,关联映射图分为目标区域、背景区域和灰度区域。随后,应用NSCT变换对图像进行多尺度、多方向分解,按照关联映射图中三个区域对NSCT分解后的高低频子带系数进行区域划分,根据不同区域的特性在NSCT域设计不同的融合规则。最后,进行重构得到融合图像。对三组不同场景图像的实验结果进行主观目视判别和客观性能评价,对比基于像素和邻域能量的融合算法,本文算法不仅能较全面的保持可见光图像中的光谱信息,而且能够有效、准确的提取红外图像的热目标信息,优于传统的基于像素和邻域能量的融合算法,可获得较理想的融合图像。     

基于显著区域分割和小波变换的遥感图像融合

针对多光谱图像和全色图像的融合,提出一种基于显著区域分割和小波变换的遥感图像融合算法。首先通过IHS变换对多光谱图像进行分解,将亮度分量I和全色图像进行小波变换,得到对应的高低频系数。对低频系数进行模糊C均值聚类分析,并根据显著性因子分割出显著区域和非显著区域,针对不同区域和频段采用不同的准则进行融合。最后重建融合系数并进行IHS逆变换以获得融合图像。通过对比实验,表明该方法获得的融合结果优于传统的融合方法。     

结合Shearlet变换和果蝇优化算法的甲状腺图像融合

针对甲状腺肿瘤超声图像复杂度高和SPECT图像边界模糊的特点,结合Shearlet变换能够捕捉图像细节信息和果蝇优化算法可靠性高的优势,提出了Shearlet变换和果蝇优化算法相结合的图像融合算法。首先,用Shearlet变换对已精确配准的源图像进行分解,分别得到高低频子带系数。高频子带系数采用区域能量取大的融合规则,低频子带系数使用改进的加权融合规则,并把果蝇优化算法引入低频融合过程,以互信息作为适应度函数来获取最优值,克服了原加权融合算法互信息低的缺点。最后,用Shearlet逆变换得到融合后的图像。实验结果表明,此算法在主观视觉效果和客观评价指标上优于其他融合算法。     

基于Curvelet变换与分形的遥感图像融合

基于Curvelet变换对于图像的光谱信息保留和分形原理,针对图像的纹理信息提取的特性,提出了一种基于Curvelet变换与改进的分形布朗运动分维数计算的新的融合算法。对多光谱与全光谱图像进行了融合实验,并与传统的基于小波变换和高频系数取大算法进行了对比。实验证明,文中算法在图像光谱信息保留和纹理细节信息等方面具有良好的性能。     

基于非下采样Shearlet变换与压缩感知的图像融合

针对非下采样剪切波变换(NSST)分解后图像的高频系数数据量较大且具有较大稀疏性的问题,本文提出一种基于NSST和压缩感知(CS)的图像融合算法。算法首先采用NSST对源图像进行分解;其次利用CS算法将NSST分解后的图像的高频系数进行压缩、融合及重构;然后利用"局部区域能量和局部区域方差"联合指导待融合图像的低频系数的融合;最后利用NSST逆变换重构融合图像。由于只需要对高频系数的压缩值进行融合,因此算法可以在不影响图像融合效果的同时加快代码的运行速度。仿真实验表明,该算法不需要原图像的先验知识就可以完成图像的融合,当图像的尺寸较大时,该算法牺牲了微小的融合图像质量,但却可以显著提高算法的运行速度,减小代码的时间代价,降低对硬件系统的要求。该算法对于融合系统的实时性要求提供了一种思路,具有较大的应用价值。     

一种基于整数小波变换的遥感影像融合算法

提出了一种IHS变换和整数小波变换相结合的遥感影像融合算法(IHS-IWT),并根据待融合图像的特点,选取了有效的融合策略.首先对中巴卫星多光谱影像进行IHS变换,然后对得到的亮度分量和Landsat ETM 高分辨率全色影像进行整数小波融合,最后通过整数小波逆变换得到融合的图像.实验结果表明,与IHS变换等方法比较,该方法在较好的保留光谱信息的同时,空间细节信息也得到了增强,并且具有较快的处理速度.     

Shearlet变换域自适应图像去噪算法

首先采用Haar小波滤波器,设计出一种数字Shearlet变换算法。然后对Shearlet系数间的相关性进行统计分析,提出了一种尺度相关的自适应阈值收缩图像去噪算法。最后选用峰值信噪比和视觉质量为评价标准,实验验证算法的去噪性能。结果表明,本文算法获得更高的峰值信噪比,更好地保留了图像的细节信息。     

基于对偶树复小波域HMT模型的遥感图像融合

针对遥感图像融合领域的实际应用,提出一种基于对偶树复小波变换与隐马尔可夫树模型结合的图像融合新方法。该算法将分别具有高光谱和高空间分辨率优势的两幅图像进行复小波变换,再对分解后不同频率域的系数选择不同的融合规则处理。采用低频系数加权平均;高频系数先建模,再基于区域能量规则处理的方法,最后完成逆变换得到重构图像。将该算法与其他几种图像融合方法进行比较,实验表明,该算法能够取得较为理想的效果。     

基于人眼视觉特性的遥感图像融合算法

首先提出基于非下采样Contourlet变换(NSCT,Nonsubsampled Contourlet Transform)的人眼视觉相对对比度灵敏度函数(RCSF,relative contrast sensitivity function)和绝对对比度灵敏度函数(ACSF,absolute contrast sensitivity function)。然后提出了基于人眼视觉对比度灵敏度函数(CSF,contrast sensitivityfunction)的遥感图像融合算法(IFA-CSF,image fusion algorithmof human visual contrast sensitivity function)。IFA-CSF采用NSCT作为多尺度变换工具,对单方向高频子带采用ACSF融合,对多方向高频子带采用RCSF融合,并对8方向高频子带采用先方向分组再融合的方法。实验结果表明,IFA-CSF优于基于传统CSF和基于局部能量的图像融合算法。     

基于方向区域的NSCT图像融合算法

提出一种新的基于方向区域的NSCT图像融合算法。算法首先对源图像进行NSCT分解,获得不同方向的高低频子带。其次对高低频系数,根据不同分解层的方向特性,按方向区域能量的规则进行融合。最后,通过反变换获得融合图像。该方法既保留了Contourlet变换方法的多尺度多方向特性,又具有移不变性。实验结果表明,提出的算法有效可行,对比常用的区域融合算法,获得了更好的融合效果。     

一种基于Curvelet变换的图像融合新算法

基于Curvelet变换提出了一种新的融合算法.首先将图像进行Curvelet 变换,然后对粗尺度系数和细尺度系数采用不同的融合规则将Curvelet 系数融合,最后进行重构得到融合结果.对得到的融合图像进行了主客观评价和对比,实验结果表明,本文方法得到的融合图像,在熵、均方误差(MSE)、峰值信噪比(PSNR)和相似度等客观指标上都优于其他方法.