基于遗传算法参数优化的PCNN红外图像分割

构造一种基于遗传算法参数优化的脉冲耦合神经网络(PCNN)红外图像分割算法。该算法首先利用PCNN的全局耦合性和脉冲同步性对输入图像进行点火处理,根据PCNN的输出结果计算熵作为遗传算法的适应度函数,并利用熵的变化量作为遗传算法的收敛依据,对PCNN模型中影响图像分割的参数进行组合优化,结合PCNN生物视觉特性和遗传算法解空间随机搜索能力来寻找关键参数的最优值。将遗传算法和PCNN进行结合可充分发挥二者优势,将本文方法与最大类间方差法(OTSU)、最大熵直方图分割算法和PCNN分割方法进行对比,通过交叉熵、区域对比度等客观指标对分割后的图像进行定量分析,结果表明无论从主观视觉还是客观指标,本文方法分割效果优于其他对比方法。     

基于区域检测与非下采样轮廓波变换的红外与彩色可见光图像融合

针对灰度图像融合的分辨率低及现有的彩色图像融合方法融合的图像色彩不自然、不符合人的视觉感受的特点,在此提出一种基于Snake模型的区域检测和非下采样轮廓波变换(NSCT)的红外与彩色可见光图像融合的方法。首先对彩色可见光图像进行亮度、色度和饱和度(IHS)颜色空间变换提取亮度分量,并用Snake模型对红外图像的目标区域进行检测;然后对亮度分量和目标替换的红外图像应用NSCT分解,对所得到的高频系数采用像素点"绝对值和取大"、低频系数采用基于"亮度重映射技术"的加权融合规则进行融合;通过对融合系数进行NSCT逆变换获得融合图像的亮度分量,最后运用颜色空间逆变换得到融合图像。实验结果表明,所提出的融合方法既能保持可见光图像的高分辨率和自然色彩,又能准确保留红外图像中检测出的目标信息,获得视觉效果较好、综合指标较优的融合图像。     

改进(2D)~2PCA的彩色图像融合框架

针对彩色图像融合时空间变换产生的色彩畸变以及红绿蓝(RGB)色彩空间各通道间的强相关性,同时考虑到基于主元分析(PCA)的图像融合算法存在图像结构利用率低、光谱信息损失多的缺点,提出了一种基于改进双向二维主元分析[(2D)2PCA]的图像融合框架。针对RGB色彩图像的结构特点,以待融合图像行、列方向的RGB分量作为基元进行二维主元分析(2DPCA),采用基于协方差的线性权重分配方法对融合图像进行重构,依照重构图像的结构特性进行主元替换,经基于协方差的加权逆变换得到融合图像。为验证算法的有效性进行了二次实验:1)是选取模糊彩色图像与对应的清晰灰度图像;2)是彩色可见光图像与对应的红外图像进行实验。实验结果表明使用该方法得到的融合图像可取得较好空间分辨率和理想的融合指标。     

对称分数样条小波域图像去噪研究

根据数据平滑理论推导求解出能够使对称分数B样条在函数平滑性和逼近性两者之间达到最优的折衷的分数α≈7.9;并通过对BiraShrink基于相邻层系数相关性的小波去噪模型进行改进,得到对分数样条的阶具有自适应性的新阈值公式.试验结果能够说明所推导理论结果的正确性和所给对称分数样条小波系数阈值公式的有效性.基于分数样条小波的图像去噪算法对几何纹理较多的图像去噪效果比较理想,像Barbara这种几何纹理较多的图像当噪声方差不超过10时,该方法去噪后的图像客观峰值信噪比(PSNR)可以达到34.9842,而且去噪结果中较好地保留了原始图像的纹理信息.