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。

基于àtrous-NSCT变换和区域特性的图像融合方法

针对àtrous小波变换与NSCT这两种多尺度变换的优缺点,通过引入àtrous-NSCT变换工具,提出了一种基于àtrous-NSCT变换和区域特性的图像融合方法。此方法将区域平均梯度作为活性测度,以系数取大的融合方法完成低频子带图像的融合;选用基于区域方差加权自适应模型的融合方法完成高频子带图像的融合,通过àtrous逆变换处理获得融合后的最终结果。在实验中将新提出的方法与其他5种多尺度融合方法进行比较,结果表明,当新型多尺度变换的分解层数为4时,所获得的融合结果在主观视觉与客观评价两方面的性能都得到了明显的提升。

小波变换生物医学图像融合

对图像的低频部分,融合规则为灰度与加权平均结合,而高频部分则将局部区域方差比作为权值。实验证明,该方法可以保留两幅源图像的原始信息,保留了图像的细节信息。