基于离散小波框架变换的彩色多聚焦图像融合算法

提出了一种基于离散小波框架变换的彩色多聚焦图像融合算法。首先求取各彩色多聚焦图像的灰度分量,再对各灰度分量进行离散小波框架变换,根据离散小波框架变换系数求取各图像中像素的清晰度指标,然后根据各图像中像素的清晰度指标对属于清晰区域的像素进行组合,从而得到融合后的图像。试验结果表明本文所提出的算法能够较好地解决彩色多聚焦图像融合问题。

基于小波框架变换的多聚焦图像融合新算法

在离散小波框架变换图像融合的基础上,从离散小波框架变换系数的特点出发,提出了一种基于离散小波框架变换的多聚焦图像融合算法。该算法通过计算低频系数加权窗口邻域的相似性度量和系数窗口邻域的信息熵来确定融合图像的低频系数;结合高频系数占优块和块与块之间的相关系数来确定融合后的高频系数。实验结果表明该算法提高了图像的融合质量。

基于树型小波变换和尺度共生矩阵的居民地提取

利用基于树型框架小波变换和尺度共生矩阵的方法对遥感影像中居民地进行识别提取。通过非完全树型框架小波变换把图像变换到不同的尺度层上,然后在不同尺度层之间,提取相互依存的尺度共生矩阵信息,进而形成居民地的纹理特征。实验结果表明,用基于小波的尺度共生矩阵的方法对居民地有较好的提取结果。

基于多尺度特征融合的红外图像小目标检测

针对复杂背景红外图像弱目标检测问题,提出了一种基于多尺度特征融合的红外小目标检测方法。该方法在对红外图像进行离散小波框架变换的基础上,提取目标在各子带图像上的多个特征;然后对各子带图像上的多个特征分别进行融合,获得相应的目标检测判决置信度图;接着采用自适应加权方法对各个目标检测判决置信度图进行融合,得到目标检测判决总置信度图,并对其进行目标区域分割,获得最终的目标检测结果。实验结果显示,该方法对高杂波条件下红外弱目标检测具有良好效果。

基于系数关系共生矩阵和SVM的纹理分析

纹理是图像中非常重要的特征。提出了一种新的纹理特征提取算法,即对纹理图像进行离散小波框架变换后,利用同一变换尺度下的小波高频系数与低频系数之间的依存关系信息,构造系数共生矩阵,在此基础上进行纹理特征提取,而不是独立地提取各子带系数特征。考虑支撑向量机(SVM)在小样本数据库和泛化能力方面的优势,在分类实验中采用支撑向量机分类器,实验结果表明,基于这种共生矩阵特征提取分类算法能得到很好的分类结果。

基于信息系数矩阵的多聚焦图像融合

提出了一个新的图像融合方法——基于信息系数矩阵的融合方法,首先对源图像进行离散小波框架变换,根据离散小波框架变换系数求取各图像中像素的清晰度指标,然后通过计算图像信息系数矩阵来决定在小波域当中如何选择一个像素值来完成最终的融合图像.仿真实验表明,该算法得到的融合图像具有良好的视觉效果和量化指标,体现出更强的融合性能.

基于综合特征的纹理分割方法

针对灰度共生矩阵只能在单一尺度对纹理进行分析的不足,结合离散框架小波变换产生的尺度共生矩阵与梯度变换图像的灰度共生矩阵,提出了一种具有多尺度分析特性的综合纹理特征提取算法,并利用该特征对纹理图像进行分割。仿真实验结果表明:与基于单一尺度特征的纹理分割方法相比,本文提出的算法能够提高纹理边界定位准确性,减少区域内像素错分,取得了较好的分割效果。

全色和多光谱卫星图像的同步融合与去噪

为了获得较高的光谱和空间分辨率的图像,提出一种卫星混合融合方法,包括IHS变换和离散小波框架变换方法。该方法在融合图像过程中失真比较小的情况下获得高的光谱和空间分辨率,并比较了传统的融合方法和本文混合方法。实验结果证明,混合方法具有优越性。