基于非下采样轮廓波的多源图像融合

利用非下采样轮廓波（NSCT）对源图像进行多尺度、多方向分解,对分解后的低频子带系数采用区域能量的融合规则,对高频子带系数采用基于领域方差加权平均的融合规则,对融合后的系数经过NSCT逆变换得到融合图像。实验结果表明,在主观视觉和客观评价指标上均优于其他对比方法。     

基于NSCT变换和PCA的图像融合算法

针对小波变换与Contourlet变换的不足,提出了一种将非下采样Contourlet 变换与主成分分析相结合的图像融合算法。对已配准好的融合源图像作NSCT分解,采用PCA加权融合规则对低频系数处理,采用边缘强度最大的规则对各高频子带系数作融合处理,分别得到融合图像的变换系数,对该系数经NSCT逆变换重构得到融合图像。实验结果表明,算法有效地融合了源图像中的重要信息,融合图像边缘、纹理、细节清晰,得到较好视觉效果和较优的评价指标。     

基于稀疏和冗余表示的图像融合方法

为了产生能提供更多信息的融合图像,提出了一种基于SRR(Sparse and Redundant Represent,稀疏和冗余表示)理论的图像融合方法。该方法首先采用训练所得的冗余字典对原始图像进行稀疏表示,然后对系数矩阵采用1-范数取大融合规则进行融合,最后对融合系数矩阵和冗余字典进行重建以得到融合图像。将该方法与拉普拉斯变换、PCA(Principal Component Analysis,主成分分析)、DWT(Discrete Wavelet Transform,离散小波变换)、CVT(Cur Velet Transform,曲波变换)和NSCT(Non-Subsampled Contourlet Transform,非下采样轮廓波变换)等方法在几组图像上进行比较,实验结果表明,该方法在一定程度上提高了融合图像的质量,在主观和客观上都具有较好的性能。     

基于卷积稀疏表示的图像融合方法

图像融合是图像处理领域中比较重要的一门技术,传统的图像融合方法会降低图像融合质量。针对稀疏表示在图像融合中存在一定的缺陷,提出了一种基于卷积稀疏表示的图像融合方法。首先,对高频子带系数进行合理有效处理,利用相似度分析和视觉显著性进行融合。然后,将低频子带系数整体融合改进为使用Butworth低通滤波对低频子带进行分解,得到低频近似子带和强边缘子带。最后,再用改进的脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)对强边缘子带进行融合。实验结果表明,与其它传统的图像融合方法相比,信息熵(Information Entropy,IE)提高了将近3%,标准差(Standard Deviation,SD)提高了将近9%,空间频率(Space Frequency,SF)提升了将近30%,互信息(Mutual Information,MI)提升了将近25%。同时,时间效率也有了一定程度地提升。     

基于小波变换的多聚焦图像融合评述

概述了数据融合的基本概念和应用,简明分析了多聚焦图像的成像机理,从像素级层面上描述了基于小波多尺度变换的图像融合思想和过程.由于在基于小波变换的图像融合过程中,融合规则起很重要的作用,因此本文重点综述了适于多聚焦图像融合的三种融合规则：基于像素的融合规则、基于窗口的融合规则和基于区域的融合规则,并对这些规则进行了比较,最后给出了图像融合效果的客观评测方法.     

NSCT变换域PCNN彩色图像增强算法

为了改善由于光照不均对真彩色图像的影响,根据人类对颜色的感知特性,利用YCbCr彩色模型空间,提出了一种基于非抽样Contourlet变换（ NSCT）的PCNN模型的图像增强算法。首先,将图像从RGB彩色空间转换到YCbCr彩色空间;然后对亮度分量进行NSCT分解,得到低频子带系数和高频方向子带系数,对低频子带,利用PC－NN增强,对高频子带采用非线性变换进行增强;最后,使用NSCT逆变换重构图像的亮度分量,并将图像从YCbCr色彩空间模型还原到RGB空间得到增强后的图像。实验结果表明,算法增强效果明显优于同态滤波、空域PCNN及NSCT域的PCNN算法,不仅增加了彩色图像的明亮度,而且图像保真性好,纹理更清晰。     

基于序列二次规划优化阈值的NSCT高斯噪声图像滤波方法

提出了一种基于序列二次规划(SQP)优化阈值的非下采样Contourlet变换(NSCT)图像高斯白噪声去除方法。该方法利用广义交叉验证(GCV)准则作为优化指标,使用序列二次规划算法对NSCT域的去噪阈值进行优化,能够在噪声方差等图像先验知识未知的情况下得到最优去噪阈值。确定阈值后,采用非线性阈值函数对Contourlet系数进行处理。实验结果表明与其他Contourlet域去噪方法相比,该方法能有效去除图像的高斯白噪声,提高图像的峰值信噪比,并较好地保留图像的边缘信息。     

基于边缘特征和方向相关性的图像融合方法

不同传感器获得的多幅图像对同一场景的描述具有信息的冗余性和互补性,在小波图像融合的基础上提出了一种基于边缘和方向相关性的图像融合算法。对参加融合的两幅图像进行小波多尺度分解,对高低频子带系数分别采取不同的融合方法;根据高频分量不同的小波方向特性,采用基于方向相关系数的融合规则,而对低频分量采用能量和边缘特征相结合的融合方法;通过小波重构得到融合图像。实验结果表明,融合图像的视觉效果较好,客观评价指标均有提高。     

基于小波变换的脉冲耦合神经网络预测模型及其应用

被称为第三代人工神经网络的脉冲耦合神经网络(PCNN)模型,以其耦合机制、脉冲输出两大基本特性广泛应用于图像处理等领域。文章在两大基本特性的基础上对PCNN进行了改进:增加了绝对误差控制公式;连接强度以相关系数来控制,调整阈值设置为最小误差;网络的运行机制与以往的PCNN原理有所不同;将ATrous小波变换与PCNN模型相结合,形成了组合预测模型。将改进后的组合模型用于年降雨量的预测中,以求检验模型的可行性。预测结果表明,基于小波变换的PCNN组合模型用在年降雨量预测中是可行的,并取得良好效果。为进一步深化PCNN的理论、拓宽PCNN的应用领域、解决水文水资源中的预测问题提供了新的思路和方法。     

改进Retinex算法的低照度图像增强研究

全局增强未过多考虑图像局部细节,单独使用局部增强会损失图像的亮度。多尺度Retinex算法既能保持动态范围压缩又能实现整体再现,但易出现光晕现象,色彩失真,图像细节信息容易丢失,且运算时间较长。针对上述不足,提出了图像融合增强算法：采用离散小波变换实现对局部增强、全局增强图像及改进多尺度Retinex增强图像的融合。改进多尺度Retinex算法使用引导滤波替换高斯滤波估计反射分量。通过对仿真结果定性以及在峰值信噪比,结构相似度等方面进行定量对比,实验结果证明较原图和MSR(multi-scale retinex)算法处理图像,该算法针对图像昏暗、提取信息不全问题具有更好的显示效果。