Piella像素级多分辨率图像融合框架的扩展及其算法

为了优化加权多分辨率图像融合的算法结构,在Piella像素级多分辨率图像融合框架基础上,提出一种只用匹配测度控制决策模块的加权多分辨率图像融合扩展模式,改变了传统加权多分辨率图像融合模式必须由活性测度和匹配测度共同决定决策因子的格局。相对于传统模式,提出的扩展模式去除了活性测度,相应的算法结构更为简单。以相关信号强度比作为匹配测度,给出了一种基于扩展模式的加权多分辨率图像融合算法。对红外和可见光图像的融合实验表明,该算法融合性能优于传统加权多分辨率图像融合算法,其边缘融合质量指标(EFQI)和加权融合质量指标(WFQI)分别提高了2.9%和1.8%;而且计算复杂度更低,计算决策因子所需的乘法和加法运算次数分别减少了66.7%和33.3%。

基于小波框架变换的图像融合方法

利用框架分解的多分辨率特性和方向性,建立了一种新的基于框架多尺度分解的分层图像融合方法,提出了新的融合规则和融合算子.实验表明,基于框架变换的图像融合方法是有效的,融合后的图像质量得到了较大提高.

基于曲波变换的红外与可见光图像融合算法

针对小波不能有效捕捉图像轮廓的不足,提出一种基于第2代曲波变换的图像融合算法。近似分量计算采用加权平均融合规则,细节分量计算采用像素级多分辨率融合扩展框架和对比敏感带通函数融合规则。实验结果表明,该算法在保留源图像边缘轮廓、抑制噪声方面均优于小波,融合图像更符合人眼视觉特性。

基于区域灰度统计信号处理的图像融合方法

针对多源图像融合问题,提出了一种在多分辨率框架下基于区域内灰度特征统计信号的融合算法.利用图像灰度特征的区域生长法对源图像进行区域分割,并以裂缝边缘作为特征区域的闭合边界,对源图像与分割结果的区域映射图作多分辨率变换.在图像低频部分,以联合区域映射图为指导,在区域内建立信号与噪声的高斯混合分布模型,利用期望极大化(EM,Expectation Maximization)算法迭代估计噪声模型分布参数,获得低频融合结果;在图像高频部分,根据系数在区域映射图上的位置差异分别采用窗口系数加权平均法和系数绝对值选大法进行融合,将低频和高频融合结果反变换得到最终融合图像.融合结果表明:该方法是可行和高效的,且比其他图像融合方法具有更好的性能.

基于改进SSD算法的光伏组件缺陷检测研究

为了解决无人机巡检光伏组件的效率和识别准确率低的问题,提出了一种基于超分辨率和双池化融合的光伏组件缺陷检测方法。首先,使用生成对抗网络(GAN)对光伏组件图像数据进行扩展,建立可用于光伏电站缺陷目标检测的图像数据集;然后,构建图像超分辨网络,减小图像数据集的噪声和提高局部区域的纹理特征。最后,将单次多边框检测(SSD)的主干网络替换为双池化方式融合的特征提取网络(VGG19_MP),在不提高网络参数的情况下,学习更深层次的纹理结构。结果表明基于超分辨率网络和双池化融合的光伏组件缺陷检测算法精确率达到了98.21%,平均检测时间为0.066 s,相较于对比的检测算法提高了0.9%~9.1%,平均检测时间提高了0.01~0.07 s,为光伏组件缺陷的精确识别提供了更有效的检测方法。