基于视觉特性的多尺度彩色图像增强算法

本文根据人眼对亮度和颜色不同的敏感特性，按照视觉心理特性选择了适当的色度空间，在此空间中提出了一种基于小波变换的彩色图像增强算法。和目前存在的灰度图像增强算法不同，不仅对亮度分量做出了动态范围调节，同时对图像的颜色分量也进行处理。实验证明，增强后的彩色图像不仅更加清晰，更加生动，鲜艳，达到了预期的目标。     

基于视觉特性和颜色空间的多尺度彩色图像增强算法

本文根据人眼视觉对亮度和颜色不同的敏感特性,按照视觉特性选择了CIE La^*b^*均匀彩色空间,在此空间中提出了一种基于小波变换的彩色图像增强算法.和目前存在的灰度图像增强算法相比,本文不仅给出了一种自适应动态范围调节算法,同时对图像的饱和度分量也进行处理.实验证明,增强后的彩色图像不仅更加清晰,同时更加生动,鲜艳,达到了预期的目的.     

基于小波变换的图像融合算法的实现

提出了一种基于小波变换的融合算法,算法针对小波变换后的低频分量和高频分量的不同特点,选用了不同的准则进行融合,通过小波逆变换得到融合图像.实验结果表明,这种算法充分考虑了小波变换的特点和人眼视觉特性,具有增强图像的空间细节能力,融合效果良好.     

基于小波变换和彩色变换的多聚焦图像融合

提出一种结合小波变换及彩色空间变换的多聚焦图像融合方法。首先把彩色图像从RGB空间变换到YIQ空间,将颜色分量与亮度分量进行分离,从而克服RGB空间各颜色分量的相关性造成融合后图像颜色信息的丢失和错乱;接着,将待融合的多聚焦图像进行小波分解以刻画图像的多尺度信息,在小波域实现融合处理。在融合策略的选取上,对高频分量与低频分量分别采取局部方差与局部梯度最大的融合规则,同时以亮度分量Y作为衡量标准,通过一致性检测对融合系数做进一步的优选,以保持融合后图像的区域连续性。实验表明,该方法的融合结果无论在视觉质量及定量指标上都明显优于传统方法。     

基于人眼对比度敏感视觉特性的彩色图像压缩技术

结合人眼对比度敏感视觉特性的测量过程和图像离散余弦变换特征,提出了一种基于人眼感知特性的彩色图像压缩技术方案。方案首先将彩色图像转换到CLELAB颜色空间描述,并分别对3个分量进行离散余弦变换处理,再结合人眼对比度敏感函数模型和DCT变换域系数特征对变换域系数进行量化处理,并采用Huffman算法进行编码压缩,最后采用逆过程进行解压并匹配出解压后的彩色图像。通过仿真实验,结果表明:在压缩比为98.355 5∶1时,PSNR能达到37dB以上,人眼无法分辨出解压缩图像与源图像之间的差异;且编码效率能达到0.74以上,冗余度在0.26以下。表明提出的彩色图像的压缩技术方案在保证编码质量和图像质量的前提下能够实现较高的压缩比,是一种可行的、有效的彩色图像压缩技术方案。     

基于小波二重树编码的彩色图像压缩

该文提出了一种利用小波变换对彩色图像进行编码的算法,该算法在对Ｙ,Ｃｒ,Ｃｂ分量进行小波分解的基础之上,结合人眼视觉系统特性对各子带进行量化采用全新的二重树编码,有效地对高频子带进行压缩,实验结果表明,本算法实现简单,可达到很好的压缩效果。     

基于模糊逻辑与NSCT的彩色图像融合

针对灰度融合图像色彩单一,视觉效果不佳的问题,提出了一种基于NSCT变换与模糊逻辑的多聚焦彩色图像融合算法。首先对彩色图像进行IHS变换,然后对亮度分量I进行NSCT分解,采用高斯隶属度函数确定低频分量自适应加权系数,对高频系数采用"模值取大"的融合准则进行融合,再通过NSCT逆变换,得到融合后的亮度分量,并由此计算融合后的色度分量和饱和度分量,实现彩色图像的融合。实验结果表明,该方法得到的融合图像色彩鲜明、边缘细节清晰、更加符合人眼视觉。     

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.     

基于独立分量分析的压缩域彩色图像融合

提出了一种基于独立分量分析的压缩域彩色图像融合方法,其基本思想是将源彩色图像进行IHS变换,将两幅图像的亮度分量/进行小波分解,对分解后的高频系数采用由独立分量分析得出的变换矩阵进行变换,然后对变换系数采用局部方差法进行融合,而对小波分解后的低频子图像分成若干N×N的图像块,分别对每个图像块做二维DCT变换,最后对融合的系数进行反变换得到融合结果,并用客观评价标准对结果进行了定量的分析.实验结果表明:该方法在提高空间信息的基础上,较少地降低了颜色失真.     

基于小波多尺度分析的综合特征图像检索

以整数小波变换为基础,提出了一种综合颜色和空间特征的图像检索算法.该算法首先对图像做整数小波变换,提取其低频系数矩阵中环形区域的F-范数作为颜色特征;然后对低频分量分块并编码,利用马尔可夫链特性提取一步转移概率矩阵作为空间特征;再综合利用上述两个特征计算图像间的相似度,并进行彩色图像检索.通过对不同类型图像的检索对比实验结果表明,这种图像检索方法是行之有效的.     

一种基于提升小波的快速图像融合算法

提出了一种基于提升小波变换的快速多聚焦图像融合方法。首先利用提升小波算法将原始图像分解为四个子带:LLLHHLHH后将代表三个方向高频细节子带LHHLHH采用提升小波反变换,以获得各方向子带的高频细节图像,采用高斯核权重算法计算所得到的高频细节图像的非均匀加权区域能量,再根据基于能量的图像融合规则得到最终融合图像。对比了几种多聚焦图像融合方案的性能,实验结果表明,在融合效果相当的情况下,文中方法比现有方法在处理速度上有明显的优势。     

基于提升小波变换的红外图像融合算法研究

介绍了提升小波变换,提出了基于提升小波变换的图像融合方法,算法针对提升小波变换后的低频分量和高频分量的不同特点,选用了不同的融合准则进行融合,然后通过提升小波逆变换得到融合图像。通过分析可见光与红外图像的融合结果并与其他融合方法进行比较,实验结果表明,该算法使得融合后图像内容清晰,具有增强图像的空间细节能力,取得了较好的融合效果。     

一种自适应PCNN多聚焦图像融合新方法

该文通过分析脉冲耦合神经网络(PCNN)参数模型,结合多聚焦图像的基本特点和人眼视觉特性,提出了一种自适应PCNN多聚焦图像融合的新方法。该方法使用图像逐像素的清晰度作为PCNN对应神经元的链接强度,经过PCNN点火获得每幅参与融合图像的点火映射图,再通过判决选择算子,判定并选择各参与融合图像中的清晰部分生成融合图像。该方法中,其它参数如阈值调整常量等对于融合结果影响很小,解决了PCNN方法的参数调整困难的问题。实验结果表明,该方法的融合效果优于小波变换方法和Laplace塔型方法。     

一种基于提升小波变换的图像融合方法

在针对传统的多尺度分解的融合方法运算速度慢、内存需求量大，不适于实时应用的局限性的基础上，提出了一种基于提升小波变换的图像融合算法。多个源图像分别进行提升小波分解，使用恰当的融合规则合并各尺度对应的分解系数，通过提升小波逆变换得到融合图像。实验结果表明，提出的算法无论在执行时间还是融合图像质量上都优于传统方法，有广泛的应用前景，特别适用于实时系统。     

基于Tetrolet变换的近红外与彩色可见光图像融合算法研究

针对近红外与彩色可见光图像融合后出现的对比度降低、细节丢失、颜色失真等问题,提出一种基于Tetrolet变换和自适应脉冲耦合神经网络PCNN(PCNN-Pulse Coupled Neural Network)的近红外与彩色可见光图像融合的新算法。首先将彩色可见光源图像转换到各个分量相对独立的HSI空间(HSI-Hue Saturation Intensity),将其亮度分量与近红外图像进行Tetrolet分解,对分解后得到的低频系数,提出一种从给定不完备数据集中寻找潜在分布最大似然估计的期望最大算法融合规则;对分解后得到的高频系数,采用一种Sobel算子自动调节阈值的自适应PCNN模型作为融合规则;处理后的高低频图像经Tetrolet逆变换作为融合后的亮度图像,提出一种饱和度分量自适应拉伸方法来解决图像饱和度下降的问题。处理后的各个分量反向映射到RGB空间,完成融合。将本文算法与多种高效融合算法进行对比分析,实验表明,本方法取得的图像,细节清晰,色彩对比度得到提升,在图像饱和度、颜色恢复性能、结构相似性和对比度等客观评价指标上均具有明显的优势。     

基于多小波分解的多光谱图像矢量融合

在实数域中,对称、正交的紧支集非平凡单小波基不存在,而多小波把紧支性、对称性、正交性完美地结合在一起,使小波理论从标量扩展到矢量范畴。考虑到图像多小波变换系数具有矢量特性,该文将基于像素点和基于区域的标量融合策略推广到矢量情形,提出一种新的、在多小波域中基于矢量融合的图像融合算法,充分利用多小波变换域系数矢量内部各个分量的相关性来提高融合质量。两波段真实多光谱图像融合实验结果表明,与单小波标量融合方法相比,多小波矢量融合算法获得的图像具有较优的视觉效果和客观评价指标,从而证明了用于图像融合时,多小波较之单小波更适合于人类视觉系统,具有广泛的应用前景。     

基于均匀离散曲波变换的多聚焦图像融合

利用均匀离散曲波变换（UDCT）多尺度、多方向、低冗余等特征,提出了一种新的多聚焦图像融合方法。首先使用UDCT对源图像进行多频带分解;然后根据多聚焦图像的特点,对分解后的低频子带系数运用一种基于改进拉普拉斯和算子的方案进行融合,对高频方向子带系数运用基于局部能量的融合规则进行融合,并对融合系数做一致性检测;最后重建各子带系数得到融合图像。实验结果表明:所提方法可以有效地融合源图像中的方向信息和细节特征,同时抑制了融合图像中的伪Gibbs现象;与基于拉普拉斯金字塔分解、小波变换以及轮廓波变换的图像融合方法相比,该方法取得了更好的视觉效果和量化结果。