块聚类的协同显著性检测

针对复杂背景的多图像显著性检测问题,提出一种基于块聚类的多图像协同显著性检测方法.该方法通过构建多图像间共同对象的关联性,利用块聚类计算4种显著性测度并融合,获得较好的协同显著性检测效果.实验结果表明:基于块聚类的协同显著性检测方法能够有效提高检测精度,且鲁棒性较高.

基于DT-CWT和自适应PCNN模型的多聚焦图像融合方法研究

针对传统图像融合方法在多聚焦图像融合中存在细节丢失、边缘模糊和焦点不清楚等问题,提出一种基于双树-复小波变换(DT-CWT)优化显著性测度和自适应脉冲耦合神经网络(PCNN)模型的多聚焦图像融合方法。首先,将两张聚焦区域不同的输入图像使用双树-复小波分解成低频子带和高频子带;然后,对低频子带采用基于显著性测度的度量方法计算小波融合系数,对于高频子带,采用自适应PCNN模型计算触发时间来选取高频融合子带;最后,通过双树-复小波逆变换重构得到融合结果。与其他融合方法进行对比,结果表明,基于文章所提方法的融合图像更加自然清晰,具有较高的边缘保持度,同时保留了更多的细节信息,因此,此方法可以大大提高图像质量。