带有参数和含有p-Laplacian算子的混合型分数阶微分系统正解的唯一性

分析了一类带有p-Laplacian算子的混合型分数阶微分系统边值问题,其边界条件含有参数,且对参数具有一定的依赖性。利用格林函数的性质和半序Banach空间中两个算子之和的不动点定理,推导出正解的唯一性,并构造相应的迭代序列来逼近唯一正解。最后,给出两个数值应用实例验证主要结果的可行性。

图的Sum-connectivity指标与其无符号拉普拉斯谱半径

设G=(V,E)为简单连通图.图G的Sum-connectivity指标被定义为χ(G)=Σuv∈E(G)2/√d_(u)+d_(v),其中d_(u)表示顶点u的度.用q(G)表示图G的无符号拉普拉斯谱半径.本文研究了χ(G)与q(G)之间的关系,证明了对于所有顶点数n≥3的简单连通图G,都有q(G)/χ^(2)(G)≤n^(2)/(n-1)^(2)等式成立当且仅当G■S_(n).

基于MDLatLRR的CT和MRI图像融合增强方法

以往所提出的医学图像融合算法均对源图像提取相同分解层次的特征,忽略了源图像的特有特征。针对这一问题,提出一种根据不同模态医学图像提取其特有特征的融合方法。首先,使用改进的多级潜在低秩表示分解方法,在提取CT和MRI基础信息和细节信息的基础上,根据成像特点的不同,进一步提取CT图像的骨骼轮廓信息和MRI图像的软组织细节信息。然后,提出一种局部信息熵加权的区域能量函数方法融合细节信息,利用结构显著性度量和改进拉普拉斯能量和方法共同融合基础信息。最后,提出图像引导增强算法,以特有特征为引导对融合后的基础层和细节层进行增强。经实验证明,相比近几年具有代表性的融合方法,所提出的方法不仅在AG,EPI,VIF,SD客观评价指标中分别平均提高了9.45%,11.75%,14.79%,10.51%,而且在主观评价中也取得更好的效果,实现了CT和MRI图像精准融合。

SML与侧窗滤波的Framelet域医学图像融合方法

针对医学融合图像中病灶信息不清晰的问题,提出了一种框架变换(framelet transform,FT)域的医学图像融合方法。针对待融合医学源图像进行FT变换,分别获得一幅低频子带图像和一系列高频子带图像;构建改进型拉普拉斯能量和模型,实现低频子带图像中主体信息的融合,并得到对应的低频子带融合图像;构建改进型侧窗滤波模型,实现高频子带图像中的细节和纹理信息的有效融合,并获得高频子带融合图像;针对低频子带融合图像和高频子带融合图像进行FT逆变换,从而获得最终融合结果图像。仿真实验结果表明,与近年的代表性方法相比,基于该方法生成的融合图像无论在主观视觉效果还是客观评价指标方面均具有显著的优势。

基于NSCT结合显著图与区域能量的红外与可见光图像融合

针对传统的红外与可见光图像融合出现的清晰度和对比度偏低,目标不够突出的问题,本文提出了一种基于Non-subsampledContourlet(NSCT)变换结合显著图与区域能量的融合方法。首先,使用改进的频率调谐(Frequency-tuned,FT)方法求出红外图像显著图并归一化得到显著图权重,单尺度Retinex(Single-scale Retinex,SSR)处理可见光图像。其次,使用NSCT分解红外与可见光图像,并基于归一化显著图与区域能量设计新的融和权重来指导低频系数融合,解决了区域能量自适应加权容易引入噪声的问题;采用改进的“加权拉普拉斯能量和”指导高频系数融合。最后,通过逆NSCT变换求出融合图像。本文方法与7种经典方法在6组图像中进行对比实验,在信息熵、互信息、平均梯度和标准差指标中最优,在空间频率中第一组图像为次优,其余图像均为最优结果。融合图像信息量丰富、清晰度高、对比度高并且亮度适中易于人眼观察,验证了本文方法的有效性。

基于方向滤波器组与Laplacian能量和的图像融合算法

目的针对基于Contourlet变换的融合算法在边缘上易出现吉布斯现象,使其融合图像产生几何失真的问题,设计一种非下采样方向滤波器组耦合局部Laplacian能量和的图像融合算法。方法首先,结合多小波变换(multi-wavelet transform,MWT)与非下采样方向滤波器组(Non-Subsampled Direction FilterBank,NSDFB),将图像分解为3个高频方向系数和1个低频系数。对于低频系数,采用局部修正的Laplacian能量和(Local Sum-Modified-Laplacian,LSML)与脉冲耦合神经网络(Pulse couple neural network,PCNN)组合的LSML-PCNN模型来完成低频信息的融合。对于高频系数,通过提取低频和高频子带边缘,并利用系数绝对最大值法作为依据,实现高频系数的融合。结果实验数据表明,与当前图像融合方案相比,所提算法具有更高的融合质量,得到的融合图像边缘更加清晰和完整。结论所提算法拥有较高的融合视觉效果,可改善图像的对比度和分辨率,在图像处理领域具有一定的参考价值。

结合SML与差分图像的多聚焦图像融合算法

针对传统多聚焦图像融合算法中融合边缘出现模糊、伪影等问题,提出了一种结合改进拉普拉斯能量和(SML)与差分图像的多聚焦图像融合算法。首先,为了提取源图像的聚焦特征信息,分别通过SML和滤波差分进行聚焦度量,再采用引导滤波获得更多的细节特征;接着,利用像素最大值规则生成初始融合决策图,再对初始融合决策图进行小区域去除消除因聚焦和散焦区域相似造成的噪点,并对融合决策图进行不一致处理,获得更精确的聚焦区域;最后,由逐像素加权平均规则,得到融合图像。实验结果表明,所提出的算法在主观视觉效果和客观评价指标上均优于对比算法,互信息、特征互信息、图像梯度特征在彩色图像上分别提高了0.17%、0.38%和0.11%,在灰度图像上分别提高了0.7%、0.69%和0.33%,并且平均运行时间少于0.5 s,具有较高的计算效率。此外,该算法能够较好地保留源图像信息的完整性,融合图像边缘清晰、无伪影。

傅里叶望远镜成像质量分析与评价

斯特列尓比通常被作为评价傅里叶望远镜成像质量的方法.该方法通过求得复原图像与理想图像的相关度来评价成像质量,主要用于计算机仿真分析.然而,在真实环境中往往因为不能预知被测目标的形貌特征,使斯特列尓比像质评价方法失去作用.本文针对实验室内傅里叶望远镜成像数据,采用了两种不需要参考图象对比的方法:灰度平均梯度法和拉普拉斯梯度模法描述复原图像包含细节信息的程度,分析了非参照图像评价方法的可行性.对同一复杂程度的目标,分别利用计算机仿真及室内实测数据成像,分析灰度平均梯度法、拉普拉斯梯度模法与斯特列尓比描述成像质量的一致性.结果表明,分析灰度平均梯度法、拉普拉斯梯度模法这样的评价与斯特列尓比评价趋势一致,证明了分析灰度平均梯度法、拉普拉斯梯度模法无参照评价方法用于分析与评价傅里叶望远镜图像质量的可行性.

一种基于NSST和字典学习的红外和可见光图像融合算法

近年来随着多尺度分析和压缩感知成为研究的热点,字典学习算法在图像融合领域得到了广泛应用,但是其算法应用于可见光和红外图像的融合,容易出现块状噪声,边缘有振铃现象。基于此,本文提出了一种基于非下采样剪切波变换(NSST)和字典学习的红外和见光图像融合算法研究,对NSST分解的低频分量利用滑动窗口得到图像块序列,并对其进行零均值化后再稀疏分解,选择区域能量的融合规则,高频子带选择拉普拉斯能量和的融合规则。仿真结果表明,本文的算法在视觉和客观评价指标上优于现有几种融合算法。

基于复Shearlet变换耦合改进引导滤波的图像融合算法

为了提升图像融合性能,更好保留源图像信息和提高图像的空间连续性,抑制伪Gibbs效应,通过结合复Shearlet变换(CST)与引导滤波器(GF)的优点,定义了一种新的图像融合方案。首先,通过双树复小波变换(DTCWT)与Shearlet变换,构建了具有平移不变性的CST,利用CST对图像分解,输出低频、高频系数;对于低频系数,利用双尺度引导滤波融合,根据邻域像素之间的强相关性来进行权重优化,提高图像的空间连续性;而对于高频系数,利用改进的Laplacian能量和与引导滤波进行融合;最后,通过逆CST技术来获取融合图像。实验表明,与当前常用图像融合算法比较,对于LIVE数据集中任意尺寸为256×256像素的2幅多聚焦灰度图像(同一场景的左、右聚焦各一幅)而言,当Shearlet变换层数为4时,所提算法具有更好的融合视觉效果与客观评价,可较好地保留源图像的信息,且提高了融合图像的空间连续性,其融合图像的熵值、互信息以及边缘强度值更大,分别为5.97、5.88与0.72。

基于改进拉普拉斯能量和的快速图像融合

为了得到优质的融合图像,提出了一种改进的拉普拉斯能量和(New Sum of Modified Laplacian,NSML)多聚焦图像融合算法。该算法在传统SML计算每个像素点的变步长拉普拉斯算子值仅有的水平和垂直方向的基础上,增加了斜对角线上的四个方向。同时通过分析NSML算法的计算过程,发现存在大量的重复计算,从而提出了基于积分图像的快速NSML图像融合方法。该方法通过简化NSML的计算过程,大大减少了图像融合处理过程消耗的时间,提高了图像融合的效率。实验结果表明,快速NSML方法在达到极佳融合图像质量的同时,提升了算法的实时性。

Shearlet变换和稀疏表示相结合的甲状腺图像融合

针对甲状腺肿瘤超声图像对比度低和SPECT图像边界模糊的特点,结合多尺度几何分析和单尺度稀疏表示的思想,提出了一种Shearlet变换与稀疏表示相结合的图像融合算法。首先,用该变换对已经精确配准的源图像进行分解,得到图像的高低频子带系数。对稀疏性较差的低频子带系数进行字典训练并求解其稀疏表示系数,并采用能量值取大的规则进行融合。高频子带系数采用区域拉普拉斯能量和的规则。最后,用Shearlet逆变换得到融合图像。实验结果表明,此算法在主观视觉效果和客观评价指标上优于多尺度融合方法和单尺度下基于稀疏表示的图像融合方法。

稀疏表示和非下采样Shearlet变换相结合的多聚焦图像融合

针对多聚焦图像融合过程中源图像未精确配准带来的伪吉布斯现象,提出一种稀疏表示和非下采样Shearlet变换相结合的图像融合方法.该方法首先利用非下采样Shearlet变换对源图像进行多尺度分解,低频系数采用稀疏表示进行融合,为了提高算法效率和更好地逼近低频系数,将初始融合的低频子图直接作为训练样本自适应构造过完备字典,高频系数采用改进拉普拉斯能量和取大的融合规则,然后重构低高频融合系数得到最终的融合图像.通过和多种融合方法进行对比实验,本文方法融合结果无论从主观视觉还是客观评价上都能得到很好的效果.

基于改进Contourlet变换的遥感图像融合算法

针对基于Contourlet变换的遥感融合图像空间分辨率较低的问题,提出了一种基于改进的Contourlet变换(MCT)的遥感图像融合方法。首先,对多光谱图像进行亮度-色调-饱和度(IHS)变换,得到其亮度、色调、饱和度三个分量;其次,取多光谱图像的亮度分量,与直方图匹配后的全色图像进行改进的Contourlet变换,分别获得低频子带系数与高频子带系数;然后,对低频子带系数采用平均法进行融合,对高频子带系数采用新改进的拉普拉斯能量和(NSML)作为融合规则进行融合;最后,把融合结果作为多光谱图像的亮度分量,通过IHS逆变换得到融合的遥感图像。将所提方法与基于主成分分析(PCA)和Shearlet的方法、基于PCA与小波的方法以及基于非下采样Contourlet变换(NSCT)的方法相比,所提方法在清晰度评价指标平均梯度上分别提高了7.3%、6.9%和3.9%。实验结果表明,所提方法提高了Contourlet变换的频率局部化特性和分解系数利用率,在保持多光谱信息的基础上,有效地提高了遥感融合图像的空间分辨率。

基于Curvelet和改进区域方差的遥感图像融合

为了同时提高多光谱图像与全色图像融合的空间分辨率和保留较好的图像光谱性,文章提出了一种基于Curvelet变换的图像融合新方法。首先对多光谱图像进行HIS变换,获得亮度I分量,对全色图像和亮度分量I进行直方图匹配,再对I分量进行平滑滤波;然后对全色图像与I分量进行Curvelet分解,分别得到低频与高频系数,对低频子带系数的融合规则采用改进的区域方差加权分析法,对高频子带系数采用拉普拉斯能量和算子结合改进的加权平均的融合规则;最后进行Curvelet逆变换和HIS逆变换得到融合图像。仿真实验得到了较好的客观评价数据和视觉效果。

提升静态小波域内多聚焦图像融合算法

针对同一场景的多聚焦图像融合问题,提出了一种新的基于提升静态小波变换(Lifting Stationary Wavelet Transform,LSWT)的多尺度积图像融合算法。该方法在选择融合图像的低频子带系数时定义了一种新的改进拉普拉斯能量和(Sum Modified-laplacian,SML),设计了一种基于拉普拉斯能量和的加权与选择相结合系数选择方案;当选择高频子带系数时,根据多尺度积具有放大图像边缘特征弱化噪声的特点,在LSWT多尺度积的基础上给出了局部拉普拉斯算子和(Local Modified Laplacian,LML)的概念,并提出了基于多尺度积局部拉普拉斯算子和的系数选择方案;实验结果表明,该算法不仅能充分提取源图像信息注入到融合图像中,而且能有效抑制噪声的影响,得到比传统融合方法更优的视觉效果。

非采样Contourlet变换的多尺度积图像融合算法

为了得到优质的融合图像,提出了一种新的基于非采样Contourlet变换(Nonsubsampled Contourlet Transform,NSCT)的多尺度积图像融合算法。分别讨论了低频子带与各高频子带系数的选择方案。当选择融合图像的低频子带系数时定义了一种新改进的拉普拉斯能量和(Sum modified-laplacian,SML),设计了一种基于新改进拉普拉斯能量和的加权与选择相结合系数选择方案;在选择各高频方向子带系数时,根据多尺度积具有放大信号边缘特征,降低信号噪声的特点,提出了一种基于NSCT方向多尺度积的系数选择方案,从而不仅能恰当地选择出融合图像的NSCT各方向子带系数,有效保留图像的细节特征,而且能抑制噪声对融合算法的影响。实验结果表明,该方法优于基于小波变换和提升静态小波变换的图像融合算法,得到视觉效果更好,客观评价更高的融合图像。

基于复合激励模型的Surfacelet域多聚焦图像融合方法

针对基于传统多尺度分析对图像分解得到的方向子带数量较少,抑制噪声能力弱,融合图像边缘连贯性不好的缺点,本文提出一种基于Surfacelet变换和复合激励模型的多聚焦图像融合方法。通过分别将两幅图像经Surfacelet变换后得到若干不同频带子图像,该方法根据低频子带和高频子带的特点,建立复合激励模型,即分别把改进的拉普拉斯能量和与空间频率作为复合型PCNN的外部激励,采用复合型PCNN优选融合系数,改善融合效果。获取的融合图像的灰度级分布更加分散,图像纹理连贯,细节突出。实验结果表明,该算法克服传统多聚焦图像融合方法的缺陷,客观评价指标显示本方法优于Laplace、DWT和PCA等传统图像融合方法。

NSCT域内基于自适应PCNN的图像融合新方法

论文结合非下采样contourlet变换(NSCT)的平移不变性、多尺度、多方向特性和脉冲耦合神经网络(PCNN)的同步脉冲发放、捕获特性,提出在NSCT域中基于PCNN的图像融合框架。对于低频子带,利用改进拉普拉斯能量和作为特征激励PCNN;对于高频方向子带,采用改进的空间频率作为PCNN的外部激励;同时利用各子带图像的平均梯度自适应调节PCNN的链接强度,最后,选取具有较大点火次数的系数作为融合图像的系数,经逆NSCT变换重构融合图像。实验结果表明本文方法无论在主观视觉还是客观评价标准上都要优于传统的基于小波变换、contourlet变换、PCNN的图像融合方法。

提升静态小波与自适应PCNN相结合的图像融合算法

提出了一种新的基于提升静态小波变换与自适应PCNN相结合的图像融合算法。该方法定义一种图像单个像素的清晰度作为PCNN的链接强度,使得PCNN能根据像素清晰度的变化来自适应地调整链接强度的大小,接着对图像经提升静态小波分解得到的低频子带系数的改进拉普拉斯能量和及高频子带系数的单个像素的灰度值,分别作为自适应PCNN神经元的外部输入,并根据点火次数来确定图像融合系数。最后由提升静态小波变换的逆变换得到融合图像。实验表明,该方法在视觉效果和客观评价指标上都优于传统的基于小波变换、提升静态小波变换、提升静态小波-PCNN的图像融合算法。