基于PCA变换与小波变换的多源图像融合算法

在多尺度分解的框架下,针对像素级的多源图像融合,提出一种基于PCA变换与小波变换的图像融合算法。首先将低分辨率的多光谱图像进行主分量变换,得到各主分量;然后将高分辨率图像的信息与第一主分量进行融合,得到新的融合了高分辨率图像信息的第一主分量;最后新的第一主分量与其他主分量进行反变换,得到一幅具有高空间分辨率的多光谱图像。     

基于小波变换的纹理图像融合

针对采集到的纹理图像无法呈现纹理物体的整体特征的缺陷，提出了一种新颖的图像融合算法.该
融合算法基于纹理图像的大部分纹理信息存在于高频子带中的特点，分别对两幅互补图像进行小波分解，
再对低频子带采用平均融合算子处理，然后对高频子带采用高斯 拉普拉斯算子提取局部边缘信息，以作
为融合规则，并根据两幅互补图像的相似度对高频子带加以融合.结果表明，该算法通过对多幅互补图像
的小波分解图像进行融合，使得融合后的图像内容清晰，纹理信息更加丰富，为后续的缺陷查找步骤提供
了准确的依据.     

基于对偶树复小波-Contourlet变换的自适应多传感图像融合算法

为了解决小波变换所导致的方向选择性差的问题,基于对偶树复小波-Contourle变换,提出了自适应多传感图像融合新算法。该算法将全色图像和多光谱图像进行对偶树复小波-Contourle变换分解后,针对不同的频率域特点选择不同的融合规则:对低频系数选用区域能量的加权系数自适应融合规则,对高频系数特性选用区域特征自适应的融合规则。最后通过重构得到融合图像。将其他融合算法和本文所提算法进行了对比,结果表明,基于对偶树复小波-Contourle变换的算法是有效可行的。     

基于Haar小波变换的图像融合方法

为了有效的提高多个传感器的图像融合精度,该文提出了基于Haar小波变换的图像融合方法,首先分析了小波变换中不同频率分量对图像融合精度的影响,然后详细探讨了高频分量系数的确定方法。选取信息熵作为图像融合算法性能的评价指标,通过仿真实验定量分析了高频分量系数对图像融合精度的影响,实验结果表明高频分量系数并非越大越好,应根据融合后的图像信息熵确定高频分量系数。     

基于小波变换和邻域特征的多聚焦图像融合算法

提出了一种基于小波变换和邻域特征的多聚焦图像融合算法。该算法首先采用小波变换对源图像进行多尺度分解,得到低频和高频子图像;然后对低频子图像采用基于邻域归一化梯度的方法得到低频融合系数,对高频子图像采用基于邻域方差的方法得到高频融合系数;最后进行小波重构得到融合图像。采用均方根误差、信息熵以及峰值信噪比等评价标准,将该算法与传统融合方法的融合效果进行了比较。实验结果表明,该算法所得融合图像的效果和质量均有明显提高。     

基于拼接思想的小波域多聚焦图像融合

分析多聚焦图像融合的特点,给出一种基于拼接思想的小波域图像融合方法。利用小波分解系数中区域方差和较大的系数对应着较好的图像块原则,结合区域一致性检验修正,选择代表优质图像质量的小波系数,经小波反变换重构聚焦图像。实验结果表明:采用此方法得到的融合图像清晰度高,图像特性保留良好,客观评价指标有明显提升。     

基于区域特征的小波变换图像融合方法

图像融合的目的是把来自多传感器的数据互补信息合并成一幅新的图像，以改善图像的视觉效果。笔者提出一种基于小波变换的图像融合方法，其思想是先把待融合图像采用小波进行分解，然后在对分解后的小波系数矩阵采用区域特征进行融合处理，最后采用小波逆变换得到融合图像。该方法很好地区分了图像低频分量和高频分量对融合的不同影响，实验表明取得了较好的融合效果。     

基于小波变换的医学图像融合技术

不同成像技术获得的医学图像为临床诊断提供了不同的信息,图像融合技术可以综合利用多模医学图像互补信息,从而有效地提高诊断水平。该文采用小波变换对人脑MR-T2和MR-PD图像进行融合。结果表明此方法能够充分有效地将两种不同模式的信息融合在一起,融合性能优越,很好地保留了原始图像的边缘和纹理特征,为临床诊断提供更加有效的信息。     

基于整数小波变换的图像融合算法

图像融合技术是将同一对象的两个或更多的图像合成在一幅图像中,以便使它比原来的任何一幅图像更容易为人们所理解。成功地进行图像融合的关键在于找到有效实用的图像融合算法。本文提出了一种基于整数小波变换的图像融合算法,首先将待融合的源图像作多层整数小波分解,然后对各分解层分别实行融合处理得到新的小波系数矩阵,最后通过整数小波逆变换得到融合的图像。实验结果表明本算法具有很好融合效果和实用性。     

基于边缘自适应小波变换的图像修复算法

本文提出一种基于边缘自适应小波变换的多尺度图像修复算法,对非纹理图像有比较好的修复效果。边缘自适应小波变换的基本思想是,先检测出图像的主要边缘,这些边缘把图像分割成几个平滑区,然后对图像进行不跨越边缘的小波分解,即在各平滑区内部进行小波变换,得到图像的多尺度表示,并且同时计算边缘的多尺度表示。这样的小波分解使高频信息基本都集中在边缘上,而高频系数则非常稀疏,而且都接近于零。在此基础上进行图像修复,就只需要对低频部分与边缘图像进行修复,然后重构得到修复图像即可。经过小波分解,低频部分破损区域大大缩小,用比较简单的插值方法就可进行修复,大大降低了计算量。对边缘图则可用曲线拟合的方法进行修复。     

平移不变小波医学图像融合方法

针对传统小波变换融合算法对细节信息的丢失问题,提出了一种新的基于平移不变小波变换的医学图像融合算法,采用灰度加权平均法进行低频部分融合;高频部分采用基于梯度能量的加权融合规则。实验结果表明,与传统的小波变换方法相比,文中方法融合效果更加理想,较多地继承了两幅源图像的重要信息,更好地描述了图像的细节部分,更具有实用性。     

基于引入反馈后的小波变换的图像融合

一般的图像融合算法需要通过人工参与比较才能判断融合效果的好坏。将效果评价作为反馈信号运用于多聚焦图像融合中,能够更方便地获得各个目标都比较清晰的图像。实验表明这种应用在图像融合中是有效的,比单一的融合算法要方便一些。     

基于小波变换的全局能量图像融合算法

提出了一种基于小波变换的全局能量图像融合算法。对小波分解系数采用基于全局匹配度来选择和加权的融合规则。全局匹配度以区域能量作为测度,包含了小波分解的高频3个方向的匹配度。使得选择策略下融合图像的高频3个方向的小波系数均来自同一源图像,保证了小波重构时融合的一致性。实验结果表明,全局能量法的融合图像具有更好的融合特性。     

基于小波变换的简单变长编码图像压缩方法

简单变长编码是一种高效的编码方法，在符号概率的几种分布上效率接近哈夫曼编码，误差不超过1%，且通常可用很少的比特数来传输码字。针对哈夫曼编码软、硬件实现复杂、费时较长的缺点，通过对图像信号的小波分解，在不同的子带上采用改进的简单变长编码方案，获得了更高的压缩比，结果表明，该算法简单有效、易于编辑实现，是一种高效的图像压缩方法。     

基于双正交小波变换的自适应图像水印算法

提出的基于双正交小波变换的盲水印算法,综合利用小波域中频各子带系数分布特点,选取重要边缘位置嵌入水印,水印强度可根据所处的嵌入位置自适应调节。实验结果表明：该算法能够有效抵抗附加噪声、裁剪和压缩等常见攻击,具有较强的不可见性和鲁棒性。     

小波分析方法在医学图像融合中的应用

在临床的实际应用中,单模态的医学图像(CT,MRI)的3D重建不能提供医生所需要的足够信息. 由于成像机理不同和人体组织结构的高度复杂性,不同模态的医学图像提供了不互相覆盖的结构互补信息. 为此在医学图像配准的基础上提出基于小波变换的最大值融合规则,局部平均梯度融合规则,区域能量融合规则等算法. 通过对CT图像与MRI图像基于小波变换的不同融合规则及融合算子进行融合的实验结果比较表明,以区域能量融合规则作为准则的融合效果更好. 能够把这两种图像优点结合在一张图像上,这样能为病变提供准确的定位参照,能清晰地显示病变自身,对诊断和治疗更加有利.     

基于小波变换人脸图像融合方法的研究

利用小波高频系数区域选大法、小波区域能量选大法、小波系数区域标准差选大法、小波区域平均梯度选大法四种融合算法,通过小波变换将图像金字塔选择系数进行一系列的处理后构成融合图像信息。最后从均值、信息熵、交叉熵、扭曲程度、相关系数等方面对融合后图像进行了评价,验证了算法的可行性。