基于小波变换的红外偏振图像融合算法

为了改善红外图像质量、提高人造目标的可识别率,基于偏振度图像能够较好地凸显人造目标,偏振角较好地描述不同物体表面取向,I图像能反映场景的强度信息的特征,采用对红外图像进行偏振图像融合的算法,即先通过红外热像仪和偏振片拍摄到偏振角度为0°,60°和120°3幅红外图像,再通过计算得到I,Q,U图像,进而得到偏振度图像和偏振角图像,最后对I图像、偏振度和偏振角图像进行红外偏振图像融合,得到高质量的红外偏振图像,由理论分析得到了各个图像的性能指标数据。结果表明,基于小波变换的红外偏振图像融合算法得到的图像数据合理,达到了改善红外图像质量和提高图像中的人造目标的可识别率的目的。

彩色图像融合算法与技术的研究

一种图像融合算法 ,可以对选定的区域范围内的图像进行融合运算 ,通过选择融合函数中一个与位置有关的系数 ,可以决定融合的形式。本融合算法可以使得被合成的图像看起来显得完整、自然。另外 ,对该算法在实现过程中出现的一种异常现象做出了较详细的分析 ,并给出了相应的解决算法。

SAR与可见光图像融合算法的研究

针对不同传感器数据融合这一难题 ,提出了一种SAR与可见光图像数据融合算法 ,它包括三个部分 :几何配准、SAR斑点噪声消除及SAR与可见光图像数据融合。运用相关算法进行几何配准 ;运用数学形态学滤波技术进行SAR斑点噪声消除 ;运用调制法进行SAR与可见光图像的数据融合。实验结果证明了本算法的有效性。

一种像素级多传感器图像融合算法的研究

该文给出了一种像素级多传感器图像融合算法,并将其应用于不同波段SAR图像的融合,该算法先用基于卡尔曼滤波的图像融合技术得到一幅灰度融合图像,再用不同的RGB颜色通道分别表示灰度融合图像以及原图像中增强后的细节,最终得到一幅彩色融合图像。仿真结果表明,用此算法得到的彩色融合图像包含更多的细节,可辨识性强。

结合图像特征比的红外与可见光图像融合算法

针对现有图像融合算法得到的融合图像清晰度不高以及边缘模糊等问题,提出了一种结合图像特征比的红外与可见光的图像融合算法,通过小波变换将图像进行分解,并通过计算低频分量中空间频率比与能量比,来对低频分量中的有效信号进行保留,而对高频分量则是通过边缘检测算法计算出高频分量中的边缘信号比,来对高频分量的边缘信号进行保留;实验结果表,该算法能够得到相比其他算法更为清晰的融合图像,具有一定的实用价值。

多波段图像融合算法研究及其新发展(Ⅱ)

对多通道、特别针对可见光与长波红外图像像素级融合的各种算法进行了深入的研究，针对工作实际需要，对其均进行了一定的改造和编程调试，对某些算法做了较重大改进，在若干方面提出了自己的具有特色的算法与思想。在此基础上编制了大型程序软件包。

消除噪声的RNF图像融合算法

在多光谱遥感图像中有时也会存在较严重的随机点噪声的干扰 ,这种随机点噪声严重影响了地物光谱特征提取和识别的精度 ,降低了各种遥感定量分析方法技术的有效性。常用的遥感图像随机噪声消除或压抑方法是Fourier变换频率域方法和采用平滑模板对图像进行卷积处理的空间域方法 ,但它们往往会损失图像信息。文章探讨了消除或压抑噪声的图像融合方法 ,即RNF融合法。RNF融合算法先对参与融合的多光谱图像进行低通滤波 ,对全色波段进行高通滤波 ,然后将滤波后的全色波段与多光谱图像用HSI变换法进行融合 。

基于空域中的图像融合算法研究

多媒体技术中图像融合是颇为关键的技术之一,在其越来越成为焦点内容的同时,提出一种基于空域的图像融合算法,探讨了图像融合过程中图像的完整结合和自然过度,使合成的图像美观、流畅。

医学图像融合算法概述及其前景展望

医学图像融合技术已有很多研究,但仍存在许多问题有待解决。本文探讨了医学图像融合的基本思想,介绍了图像配准后的融合的一些主流算法,并分析了有关算法的特性,对医学图像融合技术未来发展进行了展望。

一种基于第二代小波变换的图像融合算法

在阐述了第二代小波变换的基本原理及其特点的基础上 ,提出了基于第二代小波变换的实现图像融合的新算法。与单纯的空间域数据融合算法进行实验对比 ,发现在第二代小波变换域实现的数据融合图像 ,明显地保存了边缘细节 ,避免了图像融合过程中出现的模糊现象。

基于小波变换的EMCCD微光图像融合算法

由于增益水平的不同,电子倍增电荷耦合器件图像所显现的图像内容不同,且图像动态范围极窄、对比度低、图像整体偏暗或模糊发白。为了提高微光图像动态范围及对比度,采用将不同增益水平的微光图像进行融合的算法,即先获取两组同场景但增益不同的微光图像,再对小波分解后的微光图像选择不同的融合规则,最后通过小波变换实现图像融合,得到了高质量的融合图像,并取得了融合图像的信息熵、标准差、平均梯度等性能指标数据。结果表明,该融合算法能使得融合后的图像同时包含低亮度景物和高亮度景物,达到了增大微光图像的动态范围及对比度的目的,有效改善了微光图像的质量。

EMF深度学习可见光/红外图像融合算法

由于可见光和红外图像成像方式的差异,对不同时相的两幅图像融合可以提高信息可靠性和精确性。为了自动地提取更多的可见光图像的细节特征和红外图像的显著性目标信息,提出一种基于端到端的多损失函数(end-to-end multi-loss function,EMF)深度学习图像融合算法。采用改进的伪孪生特征提取机制和多损失函数加权模型机制实现了一个端到端的图像融合算法,并在严格配准的TNO数据集上进行验证和分析,其中客观评价指标平均梯度和空间频率分别为14.494 8和4.722 5,明显优于其他6种经典算法,信息熵和标准差分别为41.520 9和6.982 8,优于除卷积神经网络(CNN)外的其他5种方法。实验结果表明,该算法避免了传统算法中的人为因素影响,融合图像的细节信息和显著性信息更加丰富,具有很好的应用前景。

基于小波变换的图像融合算法研究

在小波变换的基础上提出了一种多光谱图像融合的算法,并与其它几种算法进行了比较,仿真结果表明该算法对图像的增强有较好的效果。

一种新的图像融合算法的研究与实现

图像融合是图像处理技术发展的一个重要内容。文章提出一种新的图像融合算法,讨论了图像融合过程中剪贴图边界的平滑过渡及剪贴图与背景图的“无缝”融合算法,实验表明采用该算法后,使融合的图像更完整、更自然。

多模态图像融合算法综述

多模态图像融合能最大限度地提取各模态的图像信息,同时减少冗余信息。文章提出一种新的图像融合算法的分类体系,在分析新体系的基础上,阐述了各体系下的代表性算法,论述图像融合的研究背景及研究进展,最后提出了未来趋势的新目标。

一种改进图像融合算法

一、引言图像融合是将两个或两个以上的传感器获得的图像信息进行综合以便形成一幅数据更精确、更丰富的图像。图像融合由低到高分为三个层次:像素级融合,特征级融合和决策级融合。小波变换是目前图像融合中比较常用的方法,研究表明,在高维情况下。

一种基于多通道滤波的曲波变换图像融合算法

鉴于传统小波变换融合算法容易出现分块效应、地物纹理模糊、丢失源图像部分细节等缺陷,提出一种基于多通道滤波的曲波变换图像融合算法.首先利用多通道滤波原理保留源图像丰富的纹理特征,再对图像进行小波分解得到高、低频分量,接着对各分量作局部脊波变换进行融合,最后经过曲波逆变换得到完整的重构图像.以SPOT XS3源图像与SPOT全色源图像为例进行融合实验,结果表明,该算法得到的融合结果从视觉和定量分析上都优于传统的小波融合算法.

多源图像融合算法在水利图像处理中的运用分析

图像融合是数据融合的重要分支,可以实现对各种信息数据的综合性分析以及融合,工作人员通过分析确定目标行动方向,科学绘制方案。数据融合就是对信息源处理、控制以及决策的一体化过程进行分析。

多聚焦图像焦深扩展分解融合算法仿真

多聚焦图像在融合过程中,若源图像分辨率过低会直接影响图像的融合效果。为提升图像融合效果,提出基于焦深扩展的多聚焦图像融合算法。采用焦深扩展方法对光学系统实施优化,通过优化后的光学系统生成聚焦图像,并对获取的聚焦图像中的退化图像实施修复处理,提升源聚焦图像质量;使用双三次插值的单帧超分辨率法对图像实施分解处理,获取源聚焦图像的高分辨率图像,结合滤波处理算法,获取聚焦图像的细节系数;利用逆小波变换方法对图像细节系数,依据计算结果实现多聚焦图像融合。实验结果表明,使用上述方法开展图像融合时,融合效果较好,图像融合质量较高。

基于HVS的小波图像融合新算法

目前的大多数基于小波变换的图像融合算法 ,由于并没有细致考虑人眼的视觉特性 ,因而得到的融合效果有时并不理想。为了提高图像的融合效果 ,提出了一种新的基于人类视觉系统 (HVS)的小波图像融合新算法。该算法充分考虑了人类视觉系统的特点 ,首先在多尺度小波分解的基础上 ,计算出每层每个像素邻域的纹理和边缘亮度相关量 ;然后自适应地求得加权融合系数 ;最后采用多层次迭代法来产生融合图像。实验结果表明 ,该算法不仅能使图像融合结果有较大的改善 ,而且有利于人眼对目标的探测和识别。