基于Contourlet变换的区域特征自适应图像融合算法

Contourlet变换克服了小波变换在处理高维信号时的不足,比小波变换具有更好的方向性、较高的逼近精度和更好的稀疏表达性能.因此将Contourlet变换应用于图像融合领域,能更好的提取图像边缘特征,为融合提取更多的特征信息.基于Contourlet变换的区域特征自适应图像融合算法是将图像进行Contourlet变换分解后,针对不同的频率域特点选择不同的融合规则,针对高频系数特性选用了区域特征自适应的融合规则,最后通过重构得到融合图像.将基于小波变换的融合算法和本文所提算法进行了主观和客观的对比,结果表明,基于Contourlet变换区域特征自适应的图像融合算法是一种有效可行的图像融合算法.     

基于可见光的多波段偏振图像融合新算法

采用了一种新的基于小波变换的偏振图像融合算法.首先,将两个波段中的每一波段三幅偏振图像利用小波变换分解成低频和高频部分,低频的小波系数平均值作为融合后的低频系数,高频细节系数根据不同区域特征选择方法以及对应输入图像小波系数的窗口区域方差来确定融合后高频小波系数,得到一个波段一幅图像.接着,将得到的图像再进行小波分解,采用低频图像的小波系数最小值作为融合后的低频系数,高频图像根据纹理一致性测度的纹理检测确定融合规则,用来调整高频小波系数,将来自不同图像的特征与细节融合在一起,并对融合图像质量进行了对比评价.实验结果表明,融合后的偏振图像不仅反映了场景的偏振信息,而且还包含了丰富的光谱信息,目标与背景的衬比度也得到了增强,为进一步的目标检测和识别提供了便利.     

一种基于非下采样Contourlet变换多聚焦图像融合算法

针对现有小波类图像融合算法的不足,提出了一种基于非下采样Contourlet变换多聚焦图像融合算法,并在Contourlet域中引入了局部区域可见度以及局部方向能量的概念.针对低频子带系数和各带通方向子带系数分别提出了基于局部区域可见度以及基于局部方向能量的系数选择方案.通过对多聚焦图像融合的仿真实验,表明该算法相对于传统的基于离散小波变换和离散小波框架变换融合算法能够有效减少有用信息的丢失以及虚假信息的引入,同时能够从源图像中提取更多的有用信息并注入到融合图像中, 得到更好视觉效果和更优量化指标的融合图像.     

基于分块离散小波变换的图像信息隐藏与盲提取算法

提出了一种在小波域中图像信息隐藏与盲提取算法. 该算法首先对载体图像进行分块两层离散小波变换, 找到每块第二级分解子带中的最大值即最重要小波系数, 然后根据小波特征树的对应关系将其在第一级分解子带中的对应区域作为嵌入区域, 在该区域嵌入由秘密信息生成的伪随机序列. 提取过程中, 同样按照小波系数对应关系寻找到嵌入区域并判断其与伪随机序列的相关性即可解密, 不需要提供原始图像. 实验结果表明, 该算法能实现二值图像的嵌入与盲提取, 且提取出的图像质量较好并具备一定的抗攻击能力, 尤其对于剪切攻击的鲁棒性较好.     

多光谱与高分辨率图像融合算法研究

提出了一种多光谱与高分辨率图像融合的新算法.该方法将小波的多分辨分解与IHS变换相结合,它首先利用高分辨率图像各小波面叠加的边缘信息进行区域划分,再通过融合算子实现分区域融合,最后对融合后的强度分量进行IHS反变换,得到一幅同时具有较好空间分辨率和光谱信息的融合图像.实验结果表明,该方法得到的融合图像优于IHS变换法和小波变换法(WT法).     

基于HIS 小波变换和MOPSO的全色与多光谱图像融合

有效的全色图像和多光谱图像的融合方法必须保证光谱和空间信息的最大化. 采用HIS小波融合算法框架, 提出了新的高频系数提取方法和一种新的全色和多光谱图像融合方法. 根据小波变换后高频中的细节以及边缘信息都具有方向性, 而噪声点一般都是孤立点这一物理特性, 设计了一种基于一阶高斯微分的高频系数提取方法.以多个融合评价指标为目标函数, 对HIS小波融合算法中采用不同融合规则得到的结果图像, 通过多目标粒子群优化算法优化加权组合得到最终结果. 对实际TM多光谱图像和SPOT全色图像进行了融合实验比较研究, 结果表明, 改进的高频系数提取方法得到的融合图像在光谱信息和空间信息上都有较好的改善, 用多目标粒子群优化算法得到的结果图像在光谱信息保留上具有较明显的优势且空间信息也得到了较大的提高.     

基于Contourlet域隐马尔可夫树模型的图像融合算法

针对多尺度几何变换统计信号处理这一领域的优势,提出一种基于Contourlet域隐马尔可夫树模型的图像融合算法.由于Contourlet变换能克服小波变换在处理高维信号时的不足,它比小波变换具有更好的方向性、较高的逼近精度和更好的稀疏表达性能.而隐马尔可夫树模型能有效捕获尺度间、尺度内的Contourlet系数特性.因此将Contourlet域隐马尔可夫树模型应用于图像融合领域,能充分挖掘数据之间的相关性,更好的提取图像边缘特征,为融合提取更多的特征信息.实验结果表明基于Contourlet域隐马尔可夫树图像融合算法获得的融合图像视觉效果良好,是一种有效且可行的融合算法.     

基于成像系统物理特性的多光谱图像与全色波段图像融合

提出了一种基于成像系统物理特性的多光谱图像与全色波段图像融合算法。该算法采用àtrous小波变换提取全色波段图像的空间细节信息,并将提取的空间信息按照一定的注入模型调整后添加到各波段多光谱图像中去,得到具有高空间分辨力的多光谱图像。注入模型充分考虑了各波段成像传感器的相对光谱响应函数、地表物体对各波段的光谱反射率以及各波段的辐射调整系数等成像系统的物理特性,使融合后的多光谱图像在显著提高空间质量的同时,最大可能地保留了原始多光谱图像的光谱特性。对IKONOS卫星遥感影像的融合实验结果表明,该算法在光谱保留和空间质量提高方面较其它基于小波变换的融合算法都具有更高的性能。     

基于小波变换的不同融合规则的图像融合研究

提出了利用小波变换按照不同融合规则及融合算子去构造融合图像对应的小波系数,得到一种新的基于多尺度分解的像素的图像融合方法.通过对融合图像统计参数对比表明,所提出的基于小波变换的像素局部能量作为准则的融合效果更好,既可避免传统融合规则存在的信息损失,又提高了融合图像的空间分辨率和清晰度,融合图像符合人的视觉特性,更有利于机器视觉.     

基于二代curvelet变换的图像融合研究

曲波(Curvelet)作为一种新的多尺度分析方法比小波更加适合分析二维图像中的曲线或直线状边缘特征,而且具有更高的逼近精度和更好的稀疏表达能力.将curvelet变换引入图像融合,能够更好地提取原始图像的特征,为融合图像提供更多的信息.第二代curvelet理论的提出也使得其理论更易理解和实现.因此,提出了一种基于第二代curvelet变换的图像融合方法,首先将图像进行curvelet变换,然后在相应尺度上利用融合规则将curvelet系数融合,最后进行重构得到融合结果.对多聚焦图像进行了实验,采用均方误差、偏差指数和相关系数对融合结果进行了客观评价,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除分解2层时与小波性能相当,取其他分解层数时均获得更好的融合效果.     

一种基于小波变换的红外偏振融合算法

针对红外偏振图像可以较好地抑制背景噪声,对目标边缘信息比较敏感的特点,提出一种基于小波变换的红外偏振融合算法,它主要用于红外辐射强度图像和偏振度图像融合,增加图像的信息量。首先采用小波变换对参与融合的每幅图像分别进行各尺度分解,得到各尺度小波系数,然后针对不同尺度小波系数,采用邻域平均梯度为判据进行融合,得到融合后的各尺度小波系数,最后通过小波逆变换进行图像重构,得到融合图像。融合前后的图像对比表明融合图像在保留辐射强度图像的清晰度的同时,突出了目标的边缘、轮廓信息。相对于辐射强度图像,融合图像的梯度均值提高了112%,相对于偏振度图像,融合图像的标准差提高了151%,信息熵提高了38%。     

Multi-sensor image fusion using discrete wavelet frame transform

An algorithm is presented for multi-sensor image fusion using discrete wavelet frame transform (DWFT).The source images to be fused are firstly decomposed by DWFT. The fusion process is the combining of the source coefficients. Before the image fusion process, image segmentation is performed on each source image in order to obtain the region representation of each source image. For each source image, the salience of each region in its region representation is calculated. By overlapping all these region representations of all the source images, we produce a shared region representation to label all the input images. The fusion process is guided by these region representations. Region match measure of the source images is calculated for each region in the shared region representation. When fusing the similar regions, weighted averaging mode is performed; otherwise selection mode is performed. Experimental results using real data show that the proposed algorithm outperforms the traditional pyramid transform based or discrete wavelet transform (DWT) based algorithms in multi-sensor image fusion.     

Multifocus image fusion scheme based on features of multiscale products and PCNN in lifting stationary wavelet domain

Multifocus image fusion aims at overcoming imaging cameras's finite depth of field by combining information from multiple images with the same scene. For the fusion problem of the multifocus image of the same scene, a novel algorithm is proposed based on multiscale products of the lifting stationary wavelet transform (LSWT) and the improved pulse coupled neural network (PCNN), where the linking strength of each neuron can be chosen adaptively. In order to select the coefficients of the fused image properly with the source multifocus images in a noisy environment, the selection principles of the low frequency subband coefficients and bandpass subband coefficients are discussed, respectively. For choosing the low frequency subband coefficients, a new sum modified-Laplacian (NSML) of the low frequency subband, which can effectively represent the salient features and sharp boundaries of the image in the LSWT domain, is an input to motivate the PCNN neurons; when choosing the high frequency subband coefficients, a novel local neighborhood sum of Laplacian of multiscale products is developed and taken as one type of feature of high frequency to motivate the PCNN neurons. The coefficients in the LSWT domain with large firing times are selected as coefficients of the fused image. Experimental results demonstrate that the proposed fusion approach outperforms the traditional discrete wavelet transform (DWT)-based, LSWT-based and LSWT-PCNN-based image fusion methods even though the source image is in a noisy environment in terms of both visual quality and objective evaluation.     

基于小波包变换的红外与可见光图像融合

针对红外与可见光图像特点,提出一种基于小波包变换的融合算法。该算法先对源图像进行小波包分解,得到低频分量和各带通方向子带分量,并对不同分量采用不同的融合规则进行融合处理,得到各融合系数,然后经小波包重构获得融合图像。该方法可提取源图像细节信息,取得较好的融合效果。     

可调节自适应遥感影像融合方法研究

大部分常用的遥感影像融合方法都存在一个缺陷:只能产生一个特定的融合结果,用户无法控制最终的结果应该保留多少光谱信息或细节信息。提出了一种基于小波变换的可调节自适应遥感影像融合方法,该方法首先分别将待融合影像进行小波分解,然后,通过引入2个可调节参量,在小波域内融合,最后通过小波逆变换得到融合结果。使用法国地球资源探测卫星(SPOT)图像和陆地资源卫星专题绘图仪(landsat TM)图像,将该方法与传统的小波变换融合法、强度色散饱和变换融合法和主成分变换法进行对比试验,结果表明,该方法可以在细节保留和光谱保持两方面达到不同程度的平衡,在合理的参量组合下,融合图像的目视效果和统计指标优于传统融合方法。     

基于区域分割和Counterlet变换的图像融合算法

提出了一种基于区域分割和Contourlet变换的图像融合算法。首先,对各源图像做区域分割,并利用区域能量比和区域清晰比的概念来度量和提取区域信息;然后,对各源图像进行多尺度非子采样Contourlet分解,分解后的高频部分采用绝对值取大算子进行融合,低频部分则采用基于区域的融合规则和算子进行融合;最后进行重构得到融合图像。对红外与可见光图像进行了融合实验,并与基于像素的àtrous小波变换和Contourlet变换的融合效果进行了比较。结果表明,采用本文算法的融合图像既保留了可见光图像的光谱信息,又继承了红外图像的目标信息,其熵值高于基于像素的融合方法约10%,交叉熵仅为基于像素的融合方法的1%左右。     

一种基于提升小波的图像融合技术研究

针对红外与可见光图像进行提升小波变换后低频图像的特点,提出了一种低频分量的融合算法,高频分量采取邻域方差取大为准则进行融合,然后进行提升小波逆变换得到融合图像。通过与传统小波融合方法进行比较,并引入信息熵、清晰度、Xydeas-Petrovic客观性能指标对融合后的图像进行分析。实验结果表明不论从视觉效果还是从客观性能指标上,该算法都优于传统的融合方法。