基于NSCT结合显著图与区域能量的红外与可见光图像融合

针对传统的红外与可见光图像融合出现的清晰度和对比度偏低,目标不够突出的问题,本文提出了一种基于Non-subsampledContourlet(NSCT)变换结合显著图与区域能量的融合方法。首先,使用改进的频率调谐(Frequency-tuned,FT)方法求出红外图像显著图并归一化得到显著图权重,单尺度Retinex(Single-scale Retinex,SSR)处理可见光图像。其次,使用NSCT分解红外与可见光图像,并基于归一化显著图与区域能量设计新的融和权重来指导低频系数融合,解决了区域能量自适应加权容易引入噪声的问题;采用改进的“加权拉普拉斯能量和”指导高频系数融合。最后,通过逆NSCT变换求出融合图像。本文方法与7种经典方法在6组图像中进行对比实验,在信息熵、互信息、平均梯度和标准差指标中最优,在空间频率中第一组图像为次优,其余图像均为最优结果。融合图像信息量丰富、清晰度高、对比度高并且亮度适中易于人眼观察,验证了本文方法的有效性。

基于Curvelet和改进区域方差的遥感图像融合

为了同时提高多光谱图像与全色图像融合的空间分辨率和保留较好的图像光谱性,文章提出了一种基于Curvelet变换的图像融合新方法。首先对多光谱图像进行HIS变换,获得亮度I分量,对全色图像和亮度分量I进行直方图匹配,再对I分量进行平滑滤波;然后对全色图像与I分量进行Curvelet分解,分别得到低频与高频系数,对低频子带系数的融合规则采用改进的区域方差加权分析法,对高频子带系数采用拉普拉斯能量和算子结合改进的加权平均的融合规则;最后进行Curvelet逆变换和HIS逆变换得到融合图像。仿真实验得到了较好的客观评价数据和视觉效果。

基于非下采样Shearlet和WNMF的红外热波图像融合

提出了基于非下采样Shearlet变换和加权非负矩阵分解的红外热波图像融合方法.红外热波序列图像经非下采样Shearlet变换后,采用动态加权非负矩阵分解算法对低频系数进行融合处理.该算法的加权系数依据图像像素突变度动态调整,以突出红外热波图像的缺陷区域;高频系数则采取基于区域改进拉普拉斯能量和的融合策略,以保持缺陷的边缘细节.实验结果表明,本文方法在主观视觉效果及边缘保持度、相关度、运行时间三种客观定量评价指标中,融合性能更优,具有快速、有效等优点,能更完整和清晰地保持红外热波图像的边缘轮廓.该方法可有效地应用于多幅红外热波序列图像的融合中,在红外热波无损检测领域具有较高的实用价值.

基于ShearLab 3D变换的3维PET/MRI图像融合

为了解决阿尔茨海默病3维正电子发射断层成像(PET)与核磁共振成像(MRI)相同位置强度不同问题,同时保留MRI大脑皮质、脑回沟、海马体等的萎缩情况,首先将两幅源图像在统计参量图(SPM)中预处理,再利用3维剪切波系统(ShearLab 3D)最优表达高维数据的能力对图像分解,生成低高频子带,并以方差作为阈值将高频子带分为中高频子带。低频子带使用3维扩展的加权局部能量与改进拉普拉斯算子的加权和加权的融合规则,并引入锐化矩阵为权重参量,使融合图像边缘清晰;中频子带以绝对值为活动度量增强图像的边缘信息;高频子带以3个3维底层特征加权融合规则增强图像的细节特征。最后,利用ShearLab 3D逆变换获得PET/MRI图像。结果表明,ShearLab 3D变换的融合结果整体优于空域和小波变换;ShearLab 3D方法中将不同融合规则对比分析,该算法融合结果的平均梯度、空间频率、边缘强度、综合熵分别提高了11.09%,22.58%,152.68%,0.58%,解决了边缘模糊、细节不清晰的问题。该研究为PET/MRI图像融合提供了参考。

基于引导滤波与双树复小波变换的红外与可见光图像融合

针对传统图像融合算法目标不突出、边缘及纹理细节不清晰或缺失、对比度降低等问题,提出一种基于引导滤波(GF)和双树复小波变换(DTCWT)的红外与可见光图像融合算法。首先,根据红外与可见光图像的特点,在DTCWT分解前对可见光图像进行GF增强,同时对经DTCWT分解后的红外高频分量进行GF增强;然后,根据不同频带系数特点,提出一种基于显著性的自适应加权规则对红外与可见光低频子带分量进行融合,采用一种基于拉普拉斯能量和(SML)与梯度值向量的规则对不同尺度、方向下高频子带进行融合;最后,对融合后的高、低频系数进行DTCWT逆变换以得到最终重构图像。将所提算法与6种高效融合算法进行对比评价,实验结果表明,所提融合算法在不同场景下具有显著的目标特征,同时背景纹理和边缘细节清晰,整体对比度适宜,并且在4类客观评价指标上也取得了较好的效果。