基于小波邻域信息量的图像融合

针对多模图像融合问题提出了一种基于小波变换的新方法。将小波低频系数乘以加权因子1/R,减少低频部分所占整个图像的信息比例,并采取绝对值取大的融合规则选取小波低频系数;使用由方差和平均梯度构造的新的评价因子——小波邻域信息量作为融合规则选取小波高频系数。实验结果表明,该方法得到的融合图像体现出更强的融合性能。

融入图像块和类信息量的无损检测图像分割

在图像分割中,考虑邻域信息的模糊C均值算法能够有效地降低噪声对图像的干扰,但这类算法需额外引入参数,且无损检测图像的较大类间差异易导致分割失败。为此,提出基于图像块的类间差异不敏感的模糊C均值算法。利用像素所在的图像块代替像素进入聚类进程,图像块内像素的权重由像素的空间距离和灰度大小自适应确定。基于信息量的概念,给出类信息量表征形式并将其引入目标函数以改善常见模糊C均值算法对类间差异敏感的缺陷。基于新构建的目标函数得到新的隶属度和聚类中心表达式,并给出算法流程。最后,利用类间差异较大的无损检测图像对所提算法进行测试,结果表明:与其他模糊聚类算法相比,本文算法具有更高的分割准确率和更好的视觉效果。