基于非采样contourlet变换的多光谱和全色图像自适应融合算法

光谱保持和高分辨率保留是影像融合的两个重要问题。提出了一种自适应的基于非采样contourlet变换的多光谱和全色图像的融合方法。该方法在对多光谱影像进行IHS变换的基础上,对多光谱的I分量和高分辨率的全色影像分别进行非采样轮廓波变换(NSCT),然后对分解得到的近似分量以及各层金字塔各方向的细节分量利用本文提出的自适应基于局部特征的融合准则进行影像融合,通过非采样contourlet逆变换得到新的I分量,最后与H,S分量一起还原到RGB空间,得到融合后的高分辨率多光谱彩色图像。采用一组多光谱图像和全色图像数据进行融合实验,利用均值、标准差、熵、光谱扭曲度和相关系数5个重要评价指标对融合效果进行数理分析。实验融合图像的目视效果和统计指标均优于传统的IHS融和方法、小波融合方法以及contourlet变换方法。     

基于两通道不可分a trous-Curvelet变换的遥感图像融合

以同一场景多光谱和全色图像为研究对象,提出了一种基于两通道不可分矗trous-Curvelet变换的遥感图像融合算法.算法首先结合à trous小波变换和Curvelet变换的优点,构造出两通道不可分à trous-Curvelet变换方法,并将其与IHS变换相结合对图像进行多分辨率分解,然后依据高、低频层系数的特点采用不同的加权融合规则进行融合,最后用IHS逆变换得到融合图像.实验结果表明,相比于常用的基于小波变换等融合算法,新算法在光谱信息的保持和空间信息的增强上取得了更好的效果.     

一种超复数频域的有意义数字水印算法

针对彩色载体图像,提出了一种彩色图像超复数频域的水印算法。它通过对彩色载体图像进行快速超复数傅氏变换,在超复数频域选择合适频段嵌入水印,并且修改其对称系数的值,保证了嵌入水印图像仍然可以用彩色图像的红、绿、蓝三色进行传输。分析表明提出的方法通过超复数傅氏逆变换,可以把水印带来的误差扩散到整幅图像,并且是分散到红、绿、蓝三色的各个分量上,从而实现数字水印的不易感知性和安全性的良好结合。本算法还提出了对水印数据进行"交叉冗余嵌入"的规则,以进一步提高数字水印的鲁棒性。最后给出了实验结果,验证了本算法的优越性。     

一种多波段SAR图像伪彩色融合算法

针对多波段SAR图像互补信息的利用问题,提出了一种基于Contourlet变换与IHS变换结合的伪彩色融合算法.利用最佳指数模型选择出信息量最大、相关性最小的三个波段图像,实现RGB到IHS彩色空间的变换;然后用Contourlet变换对Ⅰ分量和另一波段SAR图像进行多尺度分解,分别得到低通近似子带和方向高频子带.对方向高频子带定义一个边缘信息量测因子融合策略进行融合,近似子带用平均方法融合,并进行Contourlet重构得到融合后的Ⅰ分量.结合H、S分量进行IHS到RGB空间的反变换.综合了不同波段图像特征,把人眼难以分辨的灰度转化为可分辨的色彩,保持SAR图像空间分辨率的同时,增强谱分辨率,仿真实验结果证明了该方法是有效的.     

基于NSCT和IHS变换域的灰度可见光与红外图像融合方法

针对灰度可见光与红外图像的融合问题,提出了一种基于非下采样轮廓波变换(non subsampled contourlet transform, NSCT)和IHS变换域的自适应融合方法。该方法利用IHS变换域的有效分离图像亮度信息和光谱信息的优势,对灰度可见光图像进行彩色传递并得到亮度、色调、饱合度(intensity hue saturation, IHS)三个分量的值;然后通过NSCT变换分别对可见光图像的I分量和红外图像进行多尺度和多方向分解,并采用一定的融合规则得到融合图像的低频分量和高频分量,而后进行NSCT逆变换得到灰度融合图像并将其作为最终融合图像的I分量,最后进行IHS逆变换得到红绿蓝(red green blue, RGB)彩色融合图像。理论分析和仿真实验验证了该算法的有效性。     

一种用于图像认证的感知哈希方法

随着大量多媒体应用的发展,数字图像增加了被非法操作和篡改的危险,这使得图像认证技术受到了越来越多的关注。感知图像哈希是图像内容或特征的简洁表示,它适合应用于图像内容认证和图像索引。提出了一种组合非负矩阵分解和奇异值分解的感知哈希方法,图像首先被分割成依赖于密钥的重叠图像块,每块进行非负矩阵分解得到表征图像局部特征的系数矩阵,然后对其进行奇异值分解取最大的奇异值矢量构成哈希序列,实验表明建议的方法对JPEG压缩、图像滤波等内容保持操作具有较好的稳健性,同时可实现定位恶意篡改的能力。     

图像修复中的加权矩阵补全模型设计

针对矩阵补全问题中基于低秩的矩阵补全模型通常将迹范数的每一个奇异值用同一常数进行阈值化导致在滤除小奇异值的同时会使大奇异值信息丢失的问题,提出了一种基于低秩的加权矩阵补全模型,通过对迹范数中的每个奇异值赋予不同的权重,从而避免用同一常数对所有的奇异值进行阈值化,采用逼近梯度算法解决加权的矩阵补全模型。最后,通过图像修复仿真实验,证明了所提出的加权矩阵补全模型相对于传统的不加权矩阵补全模型可得到更高的峰值信噪比,所设计的算法具有明显的优势。     

基于超复数相位相关的彩色图像配准算法

由于数学上的限制,在使用传统相位相关技术对彩色图像进行配准时,必须先将其转化为灰度图像,在此过程中损失了图像的色度信息,导致配准精度的降低。针对此问题,提出了一种具有亚像素精度的彩色图像配准方法。首先通过数学推导得到一种新的超复数相位相关表达式及相关系数与图像位移间的解析表达式,然后使用最小二乘法从相关系数矩阵中,直接估计出图像间存在的位移。该算法能够充分利用彩色图像的灰度和色度信息,提高配准精度。仿真实验结果证明了算法的有效性。     

自适应加权修正的强弱信号Capon谱估计方法

Capon空间谱需要计算搜索方向矢量与训练样本协方差矩阵的广义内积值,要求有较高的协方差矩阵估计精度。在训练样本较少且同时存在强弱临近目标条件下,采样协方差矩阵存在较大估计误差,使得空间谱分辨性能严重下降。提出自适应加权修正的改进方法,所提方法在重构数据协方差矩阵基础上,首先利用最小二乘方法估计搜索信号强度并修正数据协方差矩阵,然后计算搜索方向矢量在相应修正的数据协方差矩阵的广义内积值,最后利用该广义内积值对传统Capon空间谱进行自适应加权处理,在保持高分辨性能的同时降低了对样本数的要求,提高了临近强弱目标的稳健性。理论分析和仿真结果表明所提方法在小训练样本条件下对临近强弱信号的分辨性能优于Capon方法。     

联合纯四元数与字典学习的彩色图像去噪方法

彩色图像在获取、传输和存储过程中会受到噪声的影响，这给后续图像处理带来麻烦，因此图像去噪任务意义重大。对此，提出一种基于四元数字典学习的模型，该模型约束四元数的实部为零，图像的色彩信息得以保存。传统的稀疏图像模型把彩色图像看作向量或者单色图像的线性组合，忽略了RGB通道之间的关系。用纯四元数表示彩色图像，将彩色图像的RGB通道表示成四元数矩阵的虚部，拟合图像效果更好。数值实验表明，与其他模型相比较，所构建的模型可以更精确地表示彩色图像，在处理彩色图像的过程中产生模型拟合误差相对较小，峰值信噪比以及视觉效果方面均有明显提升，能更好地进行图像去噪。     

基于Curvelet变换的多光谱图像与全色波段图像融合

为了使融合后的多光谱Ms图像在保持原始Ms图像光谱特性的同时,最大可能地提高空间分辨率,提出了一种基于Curvelet变换的遥感影像融合算法。该算法首先采用Curvelet变换提取全色波段Pan图像的空间细节信息,然后采用基于内容的注入模型将提取的空间信息局部调整后添加到各波段Ms图像中去,得到具有高空间分辨率的Ms图像。算法在有效避免融合后Ms图像光谱失真的同时,能够显著提高融合图像的空间质量。采用IKONOS卫星遥感影像进行了仿真实验,实验结果结果表明,该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融合算法具有更高的性能。     

基于空谱信息协同与Gram-Schmidt变换的多源遥感图像融合方法

多光谱和合成孔径雷达图像的融合可以保留每个数据的优势, 有利于提高土地覆盖分类精度。然而, 当前的一些图像融合方法不能完全利用原始数据的光谱信息与纹理细节。为了克服上述问题, 提出一种基于空谱信息协同和Gram-Schmidt变换的融合方法。在所提方法中, Sentinel-2A图像和高分三号(GaoFen-3, GF-3)图像分别经过不同的预处理操作。由于灰度共生矩阵能有效提取图像的纹理信息, 因此将其应用于Sentinel-2A图像以提取结构特征, 并将空谱信息协同的多光谱图像与GF-3图像通过Gram-Schmidt变换进行融合。实验采用主成分分析法和传统的Gram-Schmidt变换作为比较方法。为了确定融合算法的有效性, 采用5项评价指标(包括平均梯度、空间频率、均值、标准差和相关系数)来衡量融合图像的质量。此外, 由于随机森林具有优秀的训练速度和出色的分类性能, 将其用于土地覆盖分类。随机森林的分类精度、Kappa系数和分类结果图作为融合方法的评价标准。实验结果表明, 与单独使用原始Sentinel-2A相比, 所提方法可以将整体精度提高多达5%, 具有提高遥感卫星图像土地覆盖分类精度的潜力。     

6通道MSVD构造及其在多聚焦图像融合中的应用

针对经典的奇异值分解(singular value decomposition, SVD)在图像处理中的不足,提出了一种6通道多尺度奇异值分解(multi-scale SVD, MSVD)的构造方法,并将其应用于多聚焦图像融合中。首先,在经典SVD的基础上,利用矩阵分块的方法,给出了一种6通道MSVD的构造方法。其次,对参加融合的多聚焦图像进行6通道MSVD分解,得到高层低频和各层5个方向的高频,对分解的低频子图像采用取平均、高频子图像采用区域能量取大的融合规则进行融合,并进行MSVD逆变换得到融合结果图像。最后,对融合结果图像进行主观分析和客观评价。实验结果表明该方法有好的视觉效果,融合结果图像有较高的清晰度和较丰富的边缘细节信息,且没有方块效应。从客观指标看,该方法有较高的清晰度和空间频率,其清晰度和空间频率比基于离散小波变换、基于提升小波变换、基于曲波变换和基于轮廓波变换的融合方法都高。     

一种新的基于小波变换的图像融合方法

提出了一种新的基于小波变换的多光谱与高分辨率图像融合方法。该方法通过强度因子有效地将高分辨率图像经小波分解的低频分量信息融合到多光谱图像经小波分解的低频分量中去 ,使得经过小波反变换的融合图像较大程度地保留了多光谱图像的光谱信息和高分辨率图像的空间分辨率。给出了该方法的融合结果 ,并与小波变换法 (WT方法 )进行了比较 ,证明了该图像融合方法的正确性和有效性     

基于图像质量因子的图像融合客观评价方法

针对图像融合技术中的效果评价问题,提出了一种基于图像质量因子的图像融合客观评价方法。该方法利用熵加权和均方根图像融合质量因子对融合图像与源图像间的相关性、亮度失真和对比度失真进行综合评价,因而在不同融合方法和不同源图像的条件下,可获得标准的评估统计量。采用加权平均、拉普拉斯塔形分解及基于小波变换的图像融合法为例,通过对多传感器图像进行融合评价实验,证明了该方法的有效性和鲁棒性。     

基于区域分割的NSCT域SAR与全色图像融合算法

提出了一种基于多阈值分割和无下采样Contourlet变换(nonsubsampled Contourlet transform, NSCT)的SAR与全色图像融合算法。首先对降斑SAR图像作多阈值分割,并定义了区域均值比量测算子将SAR图像进行区域划分;然后采用NSCT对降斑SAR图像和全色图像进行多尺度、多方向分解,分解后的低频部分根据区域均值比量测算子进行区域融合,高频部分则采用区域与窗口邻域相结合的融合策略;最后对融合系数进行重构得到融合图像。实验结果表明,该算法的融合图像既可保持全色图像的空间分辨率,又可有效获取SAR图像的目标信息,融合效果优于小波变换法以及基于像素的NSCT法。     

四元数小波变换联合稀疏表示的图像融合

基于四元数小波变换和稀疏表示理论,提出了一种图像融合方法,该方法弥补了传统的多尺度理论分析和稀疏表示理论在融合过程中的不足。所提方法分为3步:首先,利用四元数小波变换分解所给的源图像,得到各个尺度下的高通子带和低通子带;其次,对高通子带选用系数绝对值最大和低通子带采用稀疏表示的规则进行融合,获得融合系数;最后,对融合系数进行四元数小波逆变换得到融合图像。此外,对所提融合方法进行了理论分析。在数值实验中用6组测试图像测试所提方法性能,并将融合结果与稀疏表示、离散小波变换、对偶数复小波变换、四元数小波变换等融合方法所得结果进行了主观与客观的比较。实验结果表明,该方法是十分有效的。     

基于NSST域的红外和彩色可见光图像融合

为了进一步提升彩色可见光和红外图像的融合质量,提出了基于NSST和颜色空间的彩色图像融合方法.首先将RGB空间的彩色可见光图像变换到更符合人类视觉系统的颜色空间,其次利用NSST可以更好提取图像细节信息的优势,对颜色空间的非彩色分量和红外图像进行NSST分解,对分解后的低频系数采用基于方向信息测度的系数选择方案,对高频系数则采用基于隐马尔可夫树(hidden Markov tree,HMT)模型的系数选择方案,然后对经过选择融合的低、高频系数进行NSST逆变换,得到的融合图像作为新的非彩色分量,结合已有的分量将其逆变换回RGB空间,得到最终的融合图像.仿真实验证明了方法的有效性.