基于非下采样Contourlet变换耦合能量相似制约的遥感图像融合算法

为了克服当前遥感图像融合方法存在的块现象和光谱扭曲等问题,引入了非下采样Contourlet变换(nonsubsampled contourlet transform,NSCT),设计了一种通过能量相似制约的遥感图像融合算法。利用HSV(hue,saturation,value)变换来处理多光谱(multi-spectral,MS)图像,从MS图像中提取对应的V成分,并通过NSCT变换计算出V成分及全色(panchromatic,PAN)图像的不同图像系数。利用区域能量函数来测量图像所含能量信息,并以图像间能量的相似性为依据,构建低频系数的融合模型,获取具有较好光谱特征的融合低频系数。利用空间频率函数来测量图像所具有的细节特征,以构建高频系数融合模型,获取具有较好清晰度的融合高频系数。最后,借助HSV和NSCT的逆变换,输出融合结果。实验结果表明,较现有融合技术而言,所提算法具有更好的融合效果,输出图像具备更好的光谱特征,有效降低了块效应。

基于NCT的特征级图像融合

为得到更好的融合效果,将特征级融合与像素级融合相结合,利用Contourlet变换(CT)对源图像进行分解,对于近似图像,利用Canny算子进行边缘检测以得到边缘特征图像,再以边缘特征图像作为交叉视觉皮质模型的输入,根据各神经元的点火次数进行融合;对于细节图像,根据区域能量系数矩阵进行融合。通过多聚焦闹钟图像和CT、MRI图像对该算法进行实验,并以熵、互信息和平均梯度作为融合效果的评价指标。实验结果表明,该算法的性能优于传统融合算法。

基于非下采样Contourlet的图像融合

本文提出了一种基于非下采样Contourlet变换的图像融合方法。与Contourlet变换相比,非下采样Contourlet变换不仅具有多尺度、多方向特性,同时还具备平移不变性。文中针对非下采样Contourlet变换的特点和人眼的视觉特性,在较粗尺度采用对比度融合规则,较细尺度采用局部方差最大化规则,低频采用平均规则。该方法不但继承了Contourlet变换对方向信息融合的优点,同时又有效地去除了Contourlet变换中出现的吉布斯现象。仿真实验表明,本文方法优于Contourlet变换以及现有的小波,非下采样小波等方法。

复合NSCT分解DCT变换和SVD分解的多重变换水印

为了提高水印的抗旋转攻击鲁棒性,加大水印的嵌入量,提出了一种基于非采样Contourlet变换(NSCT)和离散余弦变换(DCT)结合的双重变换域水印算法。对图像进行NSCT变换,将低频系数进行DCT变换,对DCT域低频系数进行奇异值分解(SVD)。经仿真实验表明,该算法对常规滤波、旋转有很好的鲁棒性,特别面对旋转攻击时,算法仍能很好地提取出水印信息。

基于清晰度和非下采样多聚焦图像融合

根据多聚焦图像的特点提出一种基于清晰度的NSCT图像融合算法。在清晰的区域,低频系数和高频系数全部采用清晰区域的系数,而从清晰到模糊过渡的区域,低频系数则取区域方差值最大,高频子带系数取区域能量值最大。该算法与梯度金字塔算法、小波融合算法和Contourlet融合算法进行比较,实验结果证明该方法融合后的图像与源图像具有最小均方差。

椭圆方向窗与新轮廓波应用于多聚焦融合算法研究

针对光学显微镜景深扩展中的多聚焦图像融合问题,提出了一种基于方向特性的新轮廓波域多聚焦图像融合算法。该算法首先对图像进行新轮廓波变换(New Contourlet Transform with Sharp Frequency Localization,NCT-SFL),分解得到不同尺度、不同方向的高低频系数,低频系数融合使用算术平均法,高频系数融合分为两步:先采用改进拉普拉斯能量和(Sum Modified Laplacian,SML)提取特征值;然后定义新的与方向分解一一对应的椭圆方向窗,在确定的椭圆窗参数下,对提取的特征值进行累加并以此为依据对高频系数进行融合,最后通过反新轮廓波变换得到融合图像。在实验部分用定义的新的客观评价指标互结构信息(Mutual Structural Information,MSI)对融合算法进行了评价,结果表明:对多聚焦图像本文所提方法比新轮廓波域方形窗算法MSI提高了2.94%,比Contourlet域方形窗与椭圆窗算法MSI分别提高了10.44%和8.56%。说明本文方法能提取源图像中更多的清晰信息到融合图像,是一种有效的景深扩展手段。