基于Shearlet域的改进加权法结合自适应PCNN的图像融合算法

针对传统多聚焦图像融合算法获得的融合图像对比度低的问题,提出基于改进加权法和自适应脉冲耦合神经网络的多聚焦图像融合算法。首先,源图像经Shearlet分解产生一个低频子带和一系列不同尺度、不同方向的高频子带。将源图像的低频子带的和以及低频子带的差的绝对值进行加权求和,采用平均梯度计算权值,得到融合后的低频子带;高频子带采用自适应脉冲耦合神经网络融合规则,其中,脉冲耦合神经网络采用改进的拉普拉斯能量和作为激励,其链接强度由源图像的区域空间频率自适应计算,根据脉冲耦合神经网络的点火映射图得到融合后的高频子带,最后经Shearlet逆变换得到融合图像。文中选择1组人工仿真多聚焦图像Cameraman和3组真实的多聚焦图像Pepsi,Clock和Peppers进行实验,并与其他7种融合方法进行比较,采用4种常见的质量评价指标对融合图像进行客观评价。实验结果表明,所提方法在主观视觉和客观评价上均有较好的效果。

改进对比度的有限离散剪切波图像融合

为了改善融合图像的对比度,保留源图像的丰富有效信息,借助有限离散剪切波(FDST)的优良特性,提出了一种基于有限离散剪切波域的图像融合算法。首先将源图像经过FDST分解,得到一系列高低频子带;然后采用改进的像素加权与区域空间频率相结合的融合方案对低频系数进行选取,高频则引入区域平均梯度对比度的融合方法;再借助FDST逆变换对融合系数进行重构获得融合图像。通过对比试验结果表明:所提算法的融合结果在主观视觉上对比度适中,图像清晰自然,且各项客观评价指标均明显改善;进一步说明了改进算法优于其他算法,大大提升了图像融合的质量。

基于改进PCNN模型的偏振图像融合算法

偏振成像可以得到目标的多维偏振信息,各偏振参量图像之间具有很强的相关性,它们之间不仅包含大量的共有信息,还拥有各自的特有信息。针对如何从复杂背景中凸显目标,提高目标的辨识度这一问题,提出一种基于改进神经网络模型的偏振图像融合算法,将传统PCNN模型扩展到双通道,采用像素的平均梯度(AG)作为PCNN的链接系数,空间频率(SF)作为模型的输入项,对强度图与偏振度图进行融合处理,最后将实验结果与其他常用方法进行对比,客观评价指标表明,该算法融合效果更佳,且融合图像的边缘细节特征也更为清晰明显。

基于加权POCS的图像超分辨率重建

对凸集投影(POCS)图像超分辨率重建算法中的残差修复阈值选取问题进行分析,提出一种基于图像超分辨率重建的改进算法。改变传统POCS算法中固定残差修复阈值模式,通过引入低分辨率图像清晰度这一先验信息,用表征图像相对清晰度的参数控制阈值,从而实现整个重建过程阈值动态选取。实验结果证明,该算法能提高残差计算和阈值选取的针对性,对提升重建图像的清晰度及信噪比具有较好的效果。

非下采样Shearlet变换耦合边缘制约的遥感图像融合算法

为了解决当前遥感图像融合算法因忽略了区域中像素点的边缘特征而导致融合图像中存在块效应以及模糊效应的不足,在非下采样Shearlet变换的基础上,设计了基于边缘制约模型的遥感图像融合算法。首先,将多光谱(MS)图像经过IHS分解,提取相应的亮度分量。然后,通过非下采样Shearlet变换,将全色(PAN)图像与亮度分量进行分解,获取各自的高频系数与低频系数。再通过图像的空间频率特征,建立低频系数的融合函数,对低频系数进行融合。并利用图像的区域平均梯度特征与图像区域中像素点的边缘能量特征,构造了边缘制约模型,对高频系数进行融合。最后,将融合后低频系数、高频系数经非下采样Shearlet逆变换和IHS逆变换,获取融合图像。实验结果显示,与当前遥感图像融合方法相比,所提算法的融合图像具有更高的清晰度,更好地保持了图像的光谱特性,消除了块效应以及模糊效应。

基于焦点度量与模糊逻辑的多聚焦图像融合算法

目的为了使多聚焦灰度图像融合时保持源图像清晰信息,并有效抑制块效应和重影现象,基于3种不同聚焦测量与模糊推理系统,设计一种焦点度量与模糊逻辑的多聚焦灰度图像融合方案。方法首先,分别利用空间频率(SF)、改进的Laplacian能量和(SML),以及梯度和(SOG)计算输入灰度图像在像素邻域的局部焦点特征,并利用像素相关性改善对比度,从而得到SF,SML,SOG等3种聚焦度量。其次,根据SF与SML强度关系,建立焦点三态图,结合互补聚焦信息,并进行形态、中值滤波和一致性检查,消除狭窄的鸿沟和突起问题。然后,引入模糊逻辑算子,将每个图像像素的SF,SML图以及SOG作为模糊化的输入,通过模糊规则和去模糊器,生成每个图像的融合权重。最后,根据焦点权重执行加权融合,形成最后的融合图像。结果实验结果表明,与当前流行的融合方案相比,对于灰度图像,所提算法在融合性能上具有一定的优势,其融合图像具有更好的景深信息,避免了块效应与重影现象。结论所提算法具有良好的融合质量,能够有效提高灰度图像的分辨率,在图像处理领域具有一定的价值。

基于高阶奇异值分解的多聚焦图像融合新方法

针对传统多聚焦图像融合方法不能有效度量图像中聚焦区域的问题,提出一种基于高阶奇异值分解的图像融合新方法。高阶奇异值分解可以精确提取图像纹理特征,并对源图像进行分解。充分考虑像素间的区域相关性,提取分解系数的空间频率、平均梯度和区域能量等区域特征,并提出一种新颖的基于区域特征的多活动测度融合策略,该策略可有效度量图像中的聚焦区域。实验结果表明,该融合方法能够更好地保留图像的边缘细节信息。

基于NSST和改进PCNN的医学图像融合

为了解决单一模态医学图像的局限性,提出了一种基于非下采样剪切波变换(NSST)和改进型脉冲耦合神经网络(PCNN)相结合的多模态医学图像融合方法。首先,利用NSST对源图像进行多尺度、多方向分解,得到低频子带系数和高频子带系数;其次,低频子带系数由区域能量和方差求取区域特征,采用基于区域特征加权的方式进行融合;高频内层子带系数先通过PCNN求出区域点火特性,再与平均梯度加权的方式进行选择,高频外层子带系数采用区域绝对值取大的融合规则;最后,通过逆NSST重构图像。实验结果表明:与常用融合规则对比,在主观效果上,本文的融合图像可以保留源图像的边缘信息,得到更好的视觉效果;在客观指标上,本文方法融合得到的图像在互信息(MI)、边缘评价因子(QAB/F)和结构相似度(SSIM)等客观评价指标上取得更好的效果。

参数自适应脉冲耦合神经网络的医学图像融合算法

针对当前大多数传统的多模态医学图像融合技术不能同时实现能量保存和细节提取而导致信息不足和细节模糊等问题,提出一种基于参数自适应脉冲耦合神经网络(pulse coupled neural network,PCNN)的医学图像融合算法。首先,从标准库里取出经过配准的四种不同类型的源图像进行非下采样剪切波(non-subsampled shearlet transform,NSST)分解,得到多尺度多方向的低频子带系数和一系列高频子带系数;接着,采用参数自适应PCNN对高频子带进行融合,增强后的高频子带绝对值作为反馈输入自适应调节所有的PCNN参数。低频子带采用改进的平均梯度与空间频率相结合的策略进行图像融合,可以同时做到能量保存与细节提取;最后,经NSST逆变换得到融合后的医学图像。分别对灰度一灰度图像和灰度一彩色图像进行大量的算法融合实验,选取五种具有代表性的医学图像融合算法与之相比,并选择信息熵(IE)、标准差(SD)、边缘强度(ES)、平均梯度(AVG)、融合因子(FF)、结构相似度(SSIM)和清晰度(MG)七种指标对融合后的图像进行质量评价。仿真结果显示,与其它几种算法相比,该融合算法得到的信息熵、标准差、边缘强度、平均梯度、融合因子、结构相似度和清晰度的平均值分别提高了10.48%、2.86%、3.48%、4.92%、4.17%、4.19%和5.12%。融合所得的图像在视觉效果上也有较大优势。实验结果表明,与其他几种算法相比,本文算法在主观视觉以及客观数据上均优于其他算法,具有广阔的应用前景。