基于Contourlet变换的彩色图像融合算法

以红外和彩色可见光图像为研究对象,提出一种基于Contourlet变换的彩色图像融合算法.算法首先通过IHS(Intensity-Hue-Saturation)变换将彩色可见光图像从RGB颜色空间变换到IHS空间,进而利用Contourlet变换和加权融合规则将 I 分量图像与红外图像进行融合,然后将得到的灰度融合图像进行线性拉伸以获得与 I 分量相同的均值和方差,最后用拉伸后的灰度融合图像替换原来的 I 分量,并通过IHS逆变换得到最终的RGB彩色融合图像.算法一方面将Contourlet变换这一新的数学工具引入到图像融合中,另一方面提供了一种新的红外和可见光图像的彩色融合方法.实验结果表明,同样采用本文的彩色融合方法,Contourlet变换的融合结果优于小波变换,而且本文彩色融合方法的融合性能明显超过传统IHS变换融合法.     

基于Ridgelet变换的图像融合

文章介绍了小波变换和脊波变换在表达信号特征上的区别、脊波变换的实现方式,讨论了基于脊波变换的图像融合思想。通过一系列图像融合实验,研究了脊波变换中图像子块的大小对融合图像的质量的影响,重点说明了脊波变换在保持融合图像的空间细节信息上的能力。     

基于非下采样Contourlet变换的多传感器图像融合

根据非下采样Contourlet变换同时具有多尺度多分辨分析和平移不变性质的特点,提出一种基于非下采样Contourlet变换的多传感器图像融合方法,将其应用于多传感器图像融合的两个重要领域——多聚焦图像融合和高分辨、多光谱图像融合,从视觉效果和信息量指标方面对融合图像进行主观评判和数值评价.实验中将本文方法与Contourlet变换、小波变换、主成分分析等方法进行了比较,结果表明本文方法得到的融合结果具有更优的视觉质量和量化指标,能很好地将源图像的细节信息融合在一起,拓广了NSCT的应用范围.     

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。     

基于IHS与WBCT变换的彩色图像融合算法

WBCT(Wavelet-based Contourlet Transform)是一种无冗余度的函数稀疏表示方法,能提供丰富的方向和形状信息,有助于捕捉图像中的几何结构.基于IHS(Intensity-Hue-Saturation)和WBCT变换,提出了一种彩色图像融合算法.首先通过IHS变换,将可见光图像从RGB颜色空间转换到IHS空间,进而对可见光图像I分量及红外图像进行WBCT变换,按一定的融合规则得到新的I分量,最后通过IHS逆变换得到RGB融合图像.实验结果表明,该方法得到的融合图像在图像边缘等细节上较传统的基于IHS与小波变换的融合方法具有更好的视觉效果.     

基于非亚采样Contourlet和SWT的多光谱图像和全色图像的融合算法

该文研究了多尺度几何分析工具非亚采样Contourlet变换(NSCT),提出一种新的全色图像和多光谱图像融合的方法。该方法首先对全色图像和进行过IHS变换的多光谱图像的亮度分量进行NSCT变换,对于二者的低频近似系数再进行平稳小波变换(SWT)并融合,进一步提高融合图像的空间信息量,对于高频细节系数,采用基于局部平均梯度的方法进行融合,经过逆NSCT得到融合图像。实验结果表明,该文提出的方法在保留多光谱图像的光谱信息的同时,增强了融合图像的空间细节表现能力,提高了信息量,并且优于传统的基于IHS变换、小波变换、双树复小波变换及Contourlet变换的融合方法,该方法是有效可行的。     

基于Curvelet变换和小波变换相结合的图像融合算法研究

针对小波变换在图像边缘表达方面的局限性,以及Curvelet变换在表达图像点特征上的不足,提出了在红外图像与可见光图像融合的过程中采用基于Curvelet变换和小波变换相结合的图像融合算法.首先对图像进行Curvelet分解,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分别采用了两种不同的选取方法:模值绝对值取大法和基于系数相关性法.最后,对最终系数进行反Curvelet变换,得到融合结果图.采用该算法进行了大量的红外图像与可见光图像融合实验,实验结果表明,此算法的融合结果图获得了更好的目标信息和光谱信息.     

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PCA 变换与小波变换的遥感图像融合方法

针对传统的PCA变换遥感图像融合技术会丢失部分多光谱遥感图像的光谱信息变量,从而造成光谱图像信息域的失真问题提出了基于PCA变换与小波变换的遥感图像融合方法。该方法首先提出多光谱遥感图像信息域的各波段相关矩阵的特征值变量和特征向量域,对多光谱图像进行主分量的变换,继而求得各主分量变量;然后将非灰度图像与多光谱图像信息域的首个主分量做直方图信息变量的匹配,利用小波变换融合方法来实现多光谱图像信息变量的首个主分量与非灰度图像的融合,其多光谱图像的首个主分量被融合结果来替代; 最后对多光谱图像信息变量的3个主分量变量作逆主分量变换得到所需的最终融合图像信息域。仿真实验表明,该方法使最终融合的图像在多光谱信息的保持与空间细节信息的增强两个方面的综合性能均得到提高。     

基于多分辨率Trace变换的纹理图像分类

针对Trace变换提取的图像特征缺乏对纹理边缘信息描述和计算代价高的问题,利用小波变换对图像轮廓的表征优势,提出了多分辨率Trace变换并应用于纹理图像分类.首先,将小波变换引入到Trace变换中,对纹理图像进行非下采样小波变换,得到不同频率的低频特征子图及高频边缘子图;其次,在各级子图上进行一组泛函的Trace变换,获取纹理图像的融合特征,在获得图像边缘信息的同时避免了Trace变换不同泛函组合计算代价过高的问题;最后,把融合特征送入支持向量机对图像进行分类.实验结果表明,对图像采用多分辨率Trace变换提取的融合特征具有更好的纹理描述能力,相对于传统Trace变换及MCM等对比方法具有更高的鉴别性能,且在时间效率上相对于传统Trace变换有大幅提升.     

基于多尺度几何分析的SAR图像融合

在穿墙雷达成像技术中,建筑布局成像对确定墙后人体目标的空间相对位置以及多径虚假目标的提取有重要意义。目前的建筑布局成像一般采用多通道多视角图像融合方法,对此提出一种基于多尺度分析,即基于小波分解下的多通道多视角图像融合算法。该算法分为两个阶段,第一阶段涉及到单视角下的多通道图像融合,该阶段的融合目的主要是为增强图像细节信息和提高图像清晰度。因此对其小波分解后的图像高频分量采用平均梯度增强的加权融合算法,低频分量采用平均加权融合,后经小波反变换后形成多幅单视角图像;第二阶段涉及到多视角融合,该阶段的融合目的主要是为了增强图像的对比度,并且考虑到此阶段不同视角下图像经小波分解后的三个高频分量对比度各不相同,因此高频分量采用对比度增强的加权融合算法,低频分量仍采用平均加权融合,后将融合后的频率分量经小波反变换,便可得到一幅完整融合图像。仿真结果表明,提出的基于小波分解下的多通道多视角图像融合算法不论在图像视觉效果的改善和信噪比的提高等方面都有较大的作用。     

一种基于独立分量分析的图像融合方法

独立分量分析是一种基于高阶统计量的信号分析方法,近年来在图像处理和信号处理领域发挥着越来越重要的作用,因此也逐渐得到了人们广泛的关注和研究。本文提出了一种基于独立分量分析的图像融合方法。文中首先介绍了3种常用的图像融合方法：加权平均法、主成分分析法和小波变换法;然后在ICA模型的基础上提出了基于独立分量分析的图像融合方法;最后通过实验验证了该算法的有效性。     

基于分段直方图的图像对比度增强算法

在研究了图像基于灰度直方图的对比度增强算法基础上,提出一种对灰度直方图分段进行处理的技术。传统的基于图像直方图的对比度增强技术像直方图均衡化(HE)和灰度线性变换(LGT),在提高图像对比度的同时,灰度级也因此减少,导致图像中目标的不清晰,为后续图像处理带来麻烦。文中提出的分段直方图技术可避免此类问题产生。用阈值分割的方法将图像灰度直方图分为目标段、过渡段、背景段分别进行处理、再融合。该技术可以做到处理后的图像的灰度级依旧会分布整个0~255灰度区间,从而完整地保留了图像中目标和背景的细节特征,避免了灰度级合并带来的图像不生动、视觉效果差的问题,具有可操作性和细节完整的优越性。     

一种实用的小目标配准方法

图像配准是图像融合技术的基本环节和首要问题,只有经过配准后的图像才能进行有效的融合。其中,小目标由于几乎无特征信息可以利用,所以常规的配准方法都不适用。针对图像识别中小目标的配准问题,分析了其配准特点,创新性地提出了先配准目标视场,再配准目标位置的方法,提出了视场配准的概念。首先运用成像原理,用焦距、分辨率和像元尺寸建立不同CCD之间的视场对应关系,利用此关系完成目标视场的截取放大,使不同CCD得到的图像视场一样大。然后在分析通常采用的最小平均绝对误差（MAD）相关匹配方法缺陷的基础上,提出用最多近邻点距离（MCD）的匹配方法来对准目标位置,完成目标质心的配准。实验结果表明,此方法可以很好地配准小目标,且误差不超过2个像素。由于其针对性强．因而具有较强的实际应用价值。     

基于Creator和Vega的红外/SAR成像仿真

在此使用Creator软件建立了带纹理的目标三维模型,以及利用Vega的TMM和MAT工具分别对目标纹理和大气环境进行了建模。基于Vega及其扩展模块远红外传感器仿真模块对红外图像进行了仿真;基于Vega及其扩展模块雷达仿真模块对SAR成像进行了仿真。针对同一场景、同一目标的红外/SAR图像融合过程中存在的图像获取问题,提出一种对同一探测目标的半真实半仿真图像获取方法;使用传感器视效模拟模块进行同一时刻、场景和大气条件下的SAR图像和红外图像仿真。使用Cretor和Vega软件生成红外/SAR图像具有周期短、实时性高的特点,可以很好地解决红外/SAR图像获取难的问题,在军事与民用领域中均有广泛的应用。     

多特征融合的自适应加权采样上下文感知相关滤波跟踪算法

针对传统相关滤波器使用特征单一、背景信息不足等缺点,提出一种多特征融合的自适应加权采样的上下文感知相关滤波算法.首先,对于灰度图像序列,采用方向梯度直方图(FHOG)特征、局部二值模式(LBP)特征以及灰度特征相融合;对于彩色图像序列,则采用方向梯度直方图(FHOG)特征、局部二值模式(LBP)特征以及颜色(CN)特征...     

自适应PCNN多聚焦图像融合

脉冲耦合神经网络（PNNN）型参数多,计算复杂,并且通常选取经验常数作为链接强度,这极大地限制了PCNN的普遍适用性.针对该问题,在分析PCNN模型基本特征的基础上,结合多聚焦图像的基本特点提出了一种基于PCNN的自适应多聚焦图像融合新方法.该方法在PCNN简化模型的基础上既将拉普拉斯能量作为PCNN对应神经元的链接强度β,又将其作为PCNN对应神经元的反馈输入经过PCNN点火从而获得每幅参与融合图像的点火映射图,最后通过选取适当的融合规则获得融合图像.实验结果表明了该方法的有效性,这种有效性不仅体现在视觉效果上,而且体现在客观评价标准上.     

基于小波域两向二维主分量分析的SAR目标识别

针对合成孔径雷达图像目标识别在图像域进行特征提取时空间维数较高、计算复杂度较大、识别效率较低等问题,提出基于小波域两向二维主分量分析和概率神经网络的SAR图像目标特征提取与识别方法。该方法首先引入二维离散小波变换将预处理后的SAR图像变换到小波域,得到可充分表征目标特征信息的低频成分。然后提取低频子图像的两向二维主分量分析低维特征作为训练样本和测试样本的目标特征,最后由概率神经网络分类器完成目标识别。MSTAR数据实验结果表明,在特征矩阵维数低至6×3(原始图像128×128)的情况下平均识别率高达99.32%,且最高可达99.83%,该方法不但能够有效压缩目标特征维数和提高识别率,还对目标的方位信息具有很强的鲁棒性,可有效应用于SAR图像目标特征提取和识别。     

基于自注意力特征融合的半监督生成对抗网络用于SAR目标识别

与具有大量标注数据的光学图像相比,合成孔径雷达(Synthetic Aperture Radar,SAR)图像缺乏足够的标记样本,限制了监督学习的SAR目标识别算法的性能.而无监督识别方法又难以满足实际需求,因此本文提出了基于自注意力特征融合的半监督生成对抗网路.首先,在构建生成器和判别器时引入自注意力层,克服卷积算子...     

基于PSO和改进神经网络的图像滤波方法的研究

提出了一种基于改进BP神经网络和粒子群优化算法（PSO）的图像滤波方法。该方法利用对数最小均方误差函数（LNLS）代替BP神经网络传统的最小均方误差函数（LMS）,用来减小图像噪声对神经网络精度的影响;并将改进后的BP神经网络利用PSO算法优化,从而避免神经网络陷入局部极小值点,进一步提高神经网络滤波能力。实验结果表明,与传统滤波方法相比,该方法不仅能有效地滤除图像中的高斯噪声而且能很好地保护图像细节。