一种基于小波变换的SAR图像多尺度融合变化检测方法

提出了一种针对多时相SAR图像变化检测的基于小波变换的多尺度融合检测方法,首先对多时相SAR图像取对数比得到变化比图像,然后对变化比图像进行多尺度小拨变换和低频重构,并对每个尺度的重构图像做自适应闻值变化检测,计算出每个像素的最优分解尺度,最后基于最优尺度完成像素的融合检测,利用像素的最优分解尺度融合多尺度的检测结果性提高变化区域边界像素检测的准确性,通过仿真SAR图像和真实SAR图像的检测实验证明了该方法的有效性.     

一种基于Curvelet变换多传感器图像融合算法

综合分析了Curvelet变换的特性,并提出了一种基于Curvelet变换的多传感器图像融合算法。首先采用Curvelet变换将源图像分解到不同尺度、方向频带范围内,然后采用不同的融合规则得到融合后图像的Curvelet变换系数,最后再进行Curvelet逆变换得到融合图像。采用多组具有不同特征的源图像进行了融合实验,并对融合图像进行了主客观评价。实验结果表明,相比于传统的基于小波变换的图像融合算法,该算法能够有效避免“人为”效应或高频噪声的引入,得到具有更好视觉效果和更优量化指标的融合图像。     

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。     

一种新的基于提升多小波变换的图像融合方法

多小波是一种新的小波,它在理论上所表现出来的优势以及它在应用领域所具有的潜力,使其受到高度重视。在短短的几年时间内,它在图像处理方面的应用已取得了一定的成效。提升方法不仅是现存小波变换的一种快速算法,而且是构造新的小波变换的一种工具。本文根据提升方法和多小波变换的特点,对多小波实现了提升变换,并把这种基于提升方法的多小波变换应用于图像融合,结果表明有更好的效果。     

基于小波变换多尺度积的图像融合算法

图像融合是图像处理中的关键技术之一。它在军事和民用图像处理领域获得了广泛的应用。提出了一种新的基于小波变换多尺度积的图像融合算法,小波变换多尺度积具有放大信号边缘特征和降低信号噪声的特点,有利于在融合图像中保持图像的细节特征。利用统计分析的评判准则,如熵、标准偏差评价图像的融合效果。实验结果表明该方法提高了图像的熵和标准偏差。在保留原图像信息的情况下增强了融合图像的细节信息。     

一种基于多小波变换的医学图像融合方法

本文讨论了医学图像CT与NMR的融合问题。由于骨骼组织仅能在CT中清晰显示,而软组织仅能在NMR中清晰显示,所以CT与NMR图像各自都不能同时清晰显示骨骼组织和软组织。在分析了CT与NMR图像成像机理的基础上,提出了一种基于多小波变换的融合方法。它可将CT与NMR图像进行有效的综合。所获得的融合图像,可同时清晰地显示骨组织和软组织信息。     

基于曲波变换的遥感图像融合研究

以SAR与可见光图像、多光谱与全色图像为研究对象,提出了一种基于曲波变换的遥感图像融合方法.首先将图像进行曲波变换,然后在不同的频率域利用融合规则融合曲波系数,最后通过重构得到融合图像.采用均方误差、偏差指数等指标对融合效果进行了客观评价,并与基于小波变换的融合进行了比较.实验结果表明,该方法在保留原始图像重要信息、抑制噪声能力方面均优于小波变换方法.     

一种新的多聚焦图像融合方法

提出了一种新的多聚焦图像融合方法,该方法是基于改进的方向对比度和区域能量相结合的一种融合方法。该方法先对两幅聚焦位置不同的源图像进行小波变换,然后分别计算对应分解层上的方向对比度、高频局部区域与对应的低频局部区域的能量,将得到的最大的方向对比度和区域能量作为融合规则得到融合后图像的小波系数,最后通过小波逆变换得到融合后的图像。采用这种方法得到的融合后的图像中各个位置都是聚焦清晰的,并且增强了对比度。最后通过仿真可以得出结论,这种方法比仅考虑方向对比度的方法要有效。     

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。     

一种新的可见光多聚焦图像融合算法

文章探讨了可见光多聚焦图像的融合问题，提出了一种基于小波变换和形态学的融合算法．实验结果说明本算法能够有效处理多聚焦图像融合问题。得到清晰的融合图像。     

基于Curvelet变换的多聚焦图像融合研究

针对Curvelet分解的不同频率域,分别讨论了低频系数和高频系数的选择原则。在选择低频系数时,采用了基于边缘的方案。在选择高频系数时,充分利用Curvelet变换具有方向性的优点,提出了Curvelet域区域边缘的概念,并给出了基于区域边缘的系数选择方案。实验结果表明：所给出的融合算法能够很好地保留多幅源图像中的边缘信息,得到多个目标都清晰的图像。     

基于相似性灰关联的Curvelet域多聚焦图像融合

 针对多聚焦图像融合问题,提出一种基于相似性灰关联的Curvelet域可见光图像融合方法.该方法首先将待融合图像进行多级Curvelet分解,然后对各融合图像的高频系数进行分块,利用灰色理论中的灰色欧几里德关联度确定各子块间的相似性,并制定不同的高频系数融合策略,低频系数则采用算术平均法融合;最后,通过Curvelet逆变换重构融合图像.实验结果显示,该方法融合图像的信息熵、标准差和清晰度等指标优于金字塔融合法以及小波变换法等常见的多种融合方法.     

基于非下采样Contourlet变换的图像融合算法

针对曲波变换图像融合的不足,提出了一种基于非下采样轮廓波变换（Non—subsampledContourletTransform,NSCT）图像融合方法。首先对已配准待融合图像进行NSCT分解;然后使用相应的融合规则对Contourlet域系数进行融合,得到融合图像的NSCT系数;最后经逆变换重构得到融合图像。通过对不同曝光度图像以及多聚焦图像进行融合实验,仿真结果表明该算法融合图像在主观视觉和客观评价指标上均取得良好效果。     

基于小波变换的图像分割技术研究

图像分割是一种重要的图像分析技术.近年来,对图像分割的研究一直是图像技术研究中的热点和焦点.介绍一种基于小波变换的图像分割方法,该方法先对图像的灰度直方图进行小波多尺度变换,然后从较大的尺度系数到较小的尺度系数逐步定位出灰度阈值.实验结果表明,该方法具有较好的抗噪声性能.     

基于小波分析的不同融合规则的图像融合研究

图像融合是多传感器信息融合在图像处理领域的一个重要应用,以小波分析为工具是这一领域研究方法上的重大突破.在引入小波分析用于图像融合的基础上,对现有的常用的融合规则和融合算子进行了介绍.选取其中有代表性的算法进行了大量实验,并用熵、交叉熵、交互信息量等多种评价方法进行了定量分析与比较.最后得出结论并指出该领域今后研究的方向.     

基于Curvelet变换的图像消噪

小波变换对图像消噪能够起到较好的效果,但是对图像中线性区域的处理存在局限性.Curvelet变换是一种新的具有方向性的多尺度变换,他处理图像线性区域能有更好的效果.将Curvelet变换运用到图像消噪中,实验结果表明,他的消噪结果比小波消噪有着更好的视觉效果,并且PSNR也得到一定的提高.     

基于第二代Curvelet变换和特征量积的图像融合

文中提出了一种基于二代Curvelet和特征量积的图像融合算法.首先对融合图像进行快速离散Curvelet变换,在相应的尺度上由融合规则将Curvelet系数融合.采用平均策略融合低频系数;对于高频分量采用了小波的局部能量、局部梯度、局部的标准偏差组成的特征量积自适应地融合高频系数.最后利用Curvelet重构得到融合图像.对多聚焦图像和多光谱图像进行了实验.采用了标准差、平均梯度、信息熵作为评价标准,并与小波的融合结果做了比较..实验证明二代Curvelet所获得的融合结果更佳清晰、效果更佳且应用广泛.     

基于Curvelet变换的自适应多传感器图像融合

提出了基于Curvelet变换的自适应多传感图像融合新算法。算法将全色图像和多光谱图像进行Curvelet变换分解后,针对不同的频率域特点选择不同的融合规则。对低频系数选取区域能量的加权系数自适应融合规则,对高频系数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。将该算法和其他的融合算法进行对比,结果表明,该算法是一种有效可行的图像融合算法。     

基于BayesShrink阈值估计的Curvelet图像去噪

提出将BayesShrink阈值估计与硬阈值方法相结合并利用Curvelet方法对图像进行去噪的方法.经验证,此法优于BayesShrink小波去噪与传统的Curvelet阈值去噪效果,特别是在较大噪声的情况下更能显示出其优势.