一种改进多分辨率图像融合算法
第32卷第9期 光电工程 Vol.32, No.9 2005年9月 Opto-Electronic Engineering Sept, 2005 文章编号：1003-501X(2005)09-0055-04 一种改进多分辨率图像融合算法 杨平先，孙兴波 （四川理工学院 电子与信息工程系，四川 自贡 643000） 摘要：提出一种基于局部熵的多分辨图像融合算法。利用小波变换得到待融合图像的多分辨结构，同时得到图像的多分辨局部熵序列。以局部熵为判据，在图像多分辨结构相应各级上进行融合，得到融合图像的多分辨结构，利用小波逆变换重构融合图像。实验结果表明，该图像融合方法在保留TM多光谱图像光谱分辨率的同时，通过融合SPOT全色图像提高了空间分辨率，丰富了图像细节信息。 关键词：局部熵；多分辨分析；图像融合；小波变换 中图分类号：TP391 文献标识码：A Improved algorithm for image fusion based on multi-resolution analysis YANG Ping-xian，SUN Xing-bo （Deptartment of Electronic Engineering，Sichuan University of Science＆Engineering，Zigong 643000，China） Abstract：This paper introduces a local entropy-based multi-resolution image fusion technique. The algorithm consists of three steps: First，decomposing the input multi-spectral image by wavelet transform to obtain the multi-resolution local entropy sequences of each input image. Second, according to local entropy-based criterion，the multi-resolution analysis of the fused image can be obtained on the corresponding levels of the multi-resolution analysis of the input images. Finally，the output image can be obtained through inverse wavelet transform. Experiment results show that image details are enriched while spectral solution of TM image is reserved by fusing TM image with SPOT image with the image fusion method. Key words：Local entropy；Multi-resolution analysis；Image fusion；Wavelet transform 引 言 随着成像技术的发展，图像数据可以从多个不同传感器获得，由于单独的图像传感器提供的信息往往是有限的，因此通常需要其他的图像传感器提供辅助信息，国内外的研究现状表明，对于利用图像融合算法对多源遥感图像中像素进行分类，从而实现图像分割这类问题，解决的主要途径包括统计模型，证据理论和神经网络等。 针对多光谱TM图像和全色SPOT图像来说，TM图像具有较好的光谱分辨率，而SPOT图像空间分辨率较高，因此融合这两类图像可以在保留多光谱图像光谱分辨率的同时，提高其空间分辨率，从而可提高这类遥感图像目标识别的准确度和地构目标分类的精度。多光谱TM图像和全色SPOT图像进行融合的传统方法主要有：HIS变换，主成分分析，高通滤波等方法。 本文给出一种新颖算法，首先利用局部熵的概念对图像每点计算局部熵得到变换后新的图像序列，然收稿日期：2005-05-08； 收到修改稿日期：2005-07-15 基金项目：四川省教育厅青年基金项目资助(2004B018) 作者简介：杨平先(1961-)，男(汉族)，四川自贡人，副教授，硕士导师，主要研究方向为图像处理与通信系统。E-mail：sxb741021@126.com 光电工程 第32卷第9期
56后对原图和新图分别作小波变换得到图像的多分辨率结构，根据新图像序列的局部熵来选取更能表达图像地理信息的小波系数，以便在相对应原图的不同分辨率上进行融合，最后再进行图像小波重建，即得到融合图像。 1 基于局部熵的融合算法 在全色SPOT图像和多光谱TM图像融合实验中，由于TM图像和SPOT图像时相相差很大，它们之间像素灰度值也明显不同，如果直接融合会造成光谱图像原有光谱信息的丢失和破坏，因此，融合之前须进行直方图均衡和匹配。本文假定已经过直方图匹配预处理，TM图像和SPOT图像的像素灰度等级基本在同一范围内。 1.1 局部熵的计算 融合过程中，小波分解后图像特征选取是非常关键的技术，将决定所得融合图像的质量。目前通常使用的特征提取准则有小波系数最大值、局部梯度、局部方差和能量准则等。其中，最大值准则和局部梯度准则在选取小波系数时，因为容易受到孤立噪声点的影响，从而可能会导致选择错误的分解系数，对于局部方差准则和能量准则来说，都是对局部窗口内的分解系数做整体考虑，而对窗口内每个像素所包含的独立信息考虑不足。因此本文选取局部熵作为参考量，它对一定量噪声和几何失真不敏感，而且不仅反映局部窗口内系数整体特点，还反映窗口内每个像素的独立信息。 熵的概念引入信息论以来，熵已经被广泛应用于信号处理、图像处理等各种领域。假定某图像函数具有非负值，即f(x，y)>0，对于一副M×N大小的图像，其熵定义为[1] ∑∑∑∑=====−=MiNjijMiNjijfjifjifPLogPPH1111),(),(, (1) 如果只对图像的某一局部定义熵，则称为局部熵。在上式中，利用泰勒级数展开可得到如下的近似公式。 ∑∑∑∑=====−−=MiNjijMiNjijijfjifjifPPPH1111),(),(,)1( (2) 由熵的定义可知，图像的局部熵反映了该局部所含有信息量的大小，描述了图像的局部性质。如果该局部存在边缘，则该局部灰度值急剧变化，这时计算出来的熵值小。从图像局部熵的定义中，可以看到局部熵对于一定程度的几何失真是不敏感的，具有辐射失真不变的性质。由于熵的大小依赖于整个的局部区域，单个像素的灰度值对熵影响很小，Pij的归一化处理也具有平滑噪声的作用，局部熵对噪声是不敏感的。 1.2 图像小波分解与重构 图像的小波分解是通过二维离散小波变换把图像分解为不同分辨率的高频小波系数和低频小波系数，对于二进制小波来说，图像的小波分解具有Mallat快速算法。设Al表示原始图像z基于二进制小波的多分辨率分析，二维图像小波分解如下 )2,2()(~)(~),(1,njmiAnhmhjiAlznml−−=−∈∑ (3), )2,2()(~)(~),(1,1njmiAngmhjiDlznml−−=−∈∑ (4) )2,2()(~)(~),(1,2njmiAnhmgjiDlznml−−=−∈∑ (5), )2,2()(~)(~),(1,3njmiAngmgjiDlznml−−=−∈∑ (6) 在式(３)－(６)中，离散序列)(~nh和)(~ng构成二维小波变换的正交镜像滤波器，其中)(~nh相当于一个低通滤波器；)(~ng相当于一个高通滤波器；l=1，2，…，N表示小波分解层数；1−lA表示lA在分辨率ll−−×22下的水平方向和垂直方向的低频分量，1lD表示lA在分辨率ll−−×22下水平低频分量和垂直高频分量，2lD表示lA在分辨率ll−−×22下水平高频分量和垂直低频分量，3lD表示lA在分辨率ll−−×22下水平高频分量和垂 直高频分量。高频分量描述的是各分辨率下图像边缘细节信息，低频分量描述的是各分辨率下图像近似信息。 二维图像小波重建公式 2005年9月 杨平先 等：一种改进多分辨率图像融合算法
57 ⎥⎦⎤⎢⎣⎡−−+⎥⎦⎤⎢⎣⎡−−+⎥⎦⎤⎢⎣⎡−−+⎥⎦⎤⎢⎣⎡−−=∑∑∑∑∈∈∈∈−2,2)()(42,2)()(42,2)()(42,2)()(43,2,1,,1njmiDngmgnjmiDnhmgnjmiDngmhnjmiAnhmhAlznmlznmlznmznmll (7) 其中 离散序列)(),(ngnh是二维小波重建滤波器。同样，)(nh相当于一个低通滤波器，)(ng相当于一个高通滤波器。 1.3 融合算法 本文算法的核心思想是：设图像F和G为待融合图像，图像F和G逐点在3×3的窗口内按照局部熵定义计算每点的熵值，形成图像F和G的局部熵序列表达X和Y。局部熵序列X和Y反映了图像F和G每点在3×3的窗口内的灰度变化情况，当熵值小时，该窗口灰度变化剧烈，可能包含边缘，局部熵序列X和Y可以看作是图像F和G广义特征空间表达。分别对图像F和G以及局部熵序列X和Y进行小波分解，形成各自的多分辨率结构。在每个分辨率上按照文中算法第三步的公式进行图像融合。将局部熵序列X和Y的系数进行比较，如果X的系数小于Y的系数，由于X与图像F对应，X的系数小，该方向的熵分量小，包含的细节信息多，所以融合图像H选择图像F的系数作为重建系数。反之，选择图像G的系数作为重建系数。 多分辨率图像融合步骤如下 第一步 对待融合的两幅图像F(i, j)和G(i, j)分别逐点以3×3区域计算每点的局部信息熵得到X(i, j)和Y(i, j)； 第二步 对X(i, j)和Y(i, j)以及F(i, j)和G(i, j)分别进行小波分解，得各自的多分辨率结构； 第三步 在每个分辨率上，比较X(i, j)和Y(i, j)在水平、垂直、对角方向对应小波系数，根据式(8)给出的融合准则，选择F(i, j)或者G(i, j)的系数作为融合图像H在该分辨率上的重建系数 ⎪⎩⎪⎨⎧<≤=−−−−−−−),(),(),(),(),(),(,1,1,1,1,1,1,1jiMjiMifjiDjiMjiMifjiDDkXlkYlkGlkYlkXlkFlkHl (8) 其中 k=1，2，3分别代表高频、垂直高频和对角高频分量系数，l为小波分解级数； 第四步 利用第三步得到的小波系数，通过二维图像小波重建来得到融合图像H。 2 实验结果与讨论 实验中SPOT图像采用吉林省1：5万分幅卫星遥感影像图，分辨率10m，影像获取日期为1998年2月至2002年11月，波段组合全色。TM图像采用吉林省1：5万分幅卫星遥感影像图，分辨率10m。影像获取日期 1997年6月至2000年7月，波段组合5、4、3。图1是实验仿真的组图。
其中，图1a为SPOT图像的合成灰度图像。图1b为TM图像的合成灰度图像。图1c为SPOT图像和TM图像的融合图像。实验先对SPOT图像和TM图像进行均衡，将灰度范围对齐到[0.1 1]之间。再进行以3×3窗口大小逐点计算局部熵，形成局部熵图像序列，对其进行三级小波分解，采用db1波，得到相应的多分辨率结构。再用上面介绍的方法进行融合重建。
基于改进的提升小波变换的图像融合算法
第２９卷第２期 计算机仿真 ２０１２年２月
文章编号：１００６—９３４８（２０１２）０２—０２３７—０４
基于改进的提升小波变换的图像融合算法
王雪梅
（枣庄学院数学与信息科学系，山东枣庄２７７１６０）
摘要：研究图像融合精度问题，由于光学传感器的光谱分辨率不同，在图像融合中易丢失信息，影响图像质量。传统的图像 融合算法计算量大、实时性差的缺点，同时没有细致考虑低频分量融合规则以及高频分量邻域特征对融合的影响，因而得到
的融合效果不理想。为了解决上述问题，提出了一种改进的提升小波变换图像融合新算法，算法引进了图像对称概念策略， 仿真结果表明，改进的图像融合算法计算量明显减少，实时性也明显提高，与传统的标准小波变换图像融合算法以及拉普拉
斯金字塔融合算法相比，较有效地提高了图像融合的精确度。 关键词：图像融合；互信息；小波变换；提升小波变换 中图分类号：ＴＰ３９１ 文献标识码：Ａ
Ｆｕｓｉｏｎ Ｐｅｒｆｏｒｍａｎｃｅ Ｍｅａｓｕｒｅｓ ａｎｄ Ｌｉｆｔｉｎｇ Ｗａｖｅｌｅｔ
Ｔｒａｎｓｆｏｒｍ Ｂａｓｅｄ Ａｌｇｏｒｉｔｈｍ ｆｏｒ Ｉｍａｇｅ Ｆｕｓｉｏｎ
ＷＡＮＧ Ｘｕｅ—ｍｅｉ
（Ｓｃｈｏｏｌ ｏｆ Ｍａｔｈ ａｎｄ Ｓｔａｔｉｓｔｉｃｓ，Ｚａｏｚｈｕａｎｇ Ｕｎｉｖｅｒｓｉｔｙ，Ｓｈａｎｄｏｎｇ Ｚａｏｚｈｕａｎｇ ２７７１６０，Ｃｈｉｎａ）
ＡＢＳＴＲＡＣＴ：Ｒｅｓｅａｒｃｈ ｉｍａｇｅ ｆｕｓｉｏｎ ｐｒｅｃｉｓｉｏｎ ｐｒｏｂｌｅｍ．Ｄｕｅ ｔｏ ｔｈｅ ｏｐｔｉｃａｌ ｓｅｎｓｏｒ ｓｐｅｃｔｒａｌ ｒｅｓｏｌｕｔｉｏｎｓ ｄｉｆｆｅｒ，ｉｍａｇｅ
ｆｕｓｉｏｎ ｉｓ ｅａｓｙ ｔｏ ｌｏｓｅ ｉｎｆｏｒｍａｔｉｏｎ ａｎｄ ａｆｆｅｃｔｓ ｉｍａｇｅ ｑｕａｌｉｔｙ．Ｔｒａｄｉｔｉｏｎａｌ ｉｍａｇｅ ｆｕｓｉｏｎ ａｌｇｏｒｉｔｈｍ ｉＳ ｐｏｏｒ ｉｎ ｒｅａｌ ｔｉｍｅ，
改进基于小波变换的PCNN图像融合算法
第１４卷第４期 ２００６年１２月 厦门理工学院学报 Ｊｏｕｒｎａｌ ｏｆ Ｘｉａｍｅｎ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ Ｖｏ１．１４ Ｎｏ．４ Ｄｅｃ．２００６
改进基于小波变换的ＰＣＮＮ图像融合算法
闫敬文，许建航，屈小波
（厦门大学通信工程系，福建厦ｆ１ ３６１００５）
［摘要］以小波变换为基础，针对小波分解后高频域和低频域的特点，分别在低频域采用基于ＰＣＮＮ （脉冲耦合神经网络）的融合方法，在高频域采用改进的ＰｃＮＮ融合算法．仿真图像和评价指标结果显示： 改进的ＰＣＮＮ融合算法，有效地提高了图像在边缘、纹理、保留更多源图像信息等方面的综合性能． ［关键词】图像融合；小波变换；ＰＣＮＮ；融合性能 ［中图分类号】＂ＩＮ ９１１．７３ ［文献标识码】Ａ ［文章编号】１００８—３８０４（２００６）０４－００１３—０６
０ 引言
数据融合的概念可以追溯到１９世纪五六十年代，当时在研究一种通过合并不同传感器图像来获 得更好的可分辨的人物图像…．数据融合可以定义为：把多个传感器在空问或时问上的冗余或互补
信息，依据某种准则进行组合，以获得“更高质量”的信息，而“更高质量”的确切定义将依赖于具 体应用 ］．如今，图像融合方法已经运用于社会的很多领域：遥感卫星图像、光图像、红外图像、
医学图像．尤其是在多传感器图像融合应用以来，它已成为计算机视觉、目标识别、机器人以及军事
等研究的主要方面． 近年来，随着小波变换引入到图像处理领域，基于小波变换的图像融合方法引起了人们的高度重
视．与传统的数据融合方法相比较，小波融合模型可以根据输人图像的不同特征来合理选择小波基和
小波变换的次数，而且在融合操作时可以根据实际需要引入双方的细节信息，表现出更强的针对性和 实用性，融合的效果更好 ．
ＰＣＮＮ产生于２Ｏ世纪９Ｏ年代，直接来自于Ｅｃｋｈｏｒｎ等对猫的视觉皮层神经细胞研究，是模拟视
觉神经细胞活动而得到的人工神经元模型．相比于ＢＰ等传统神经网络模型，ＰＣＮＮ模型同时利用了 神经元特有的线形相加、非线形相乘调制耦合两种特性 Ｊ．之后Ｂｒｏｕｓｓａｒｄ等人借助于该网络实现图
多视角图像融合算法综述
多视角图像融合算法综述
图像融合是一种将多幅图像融合成一幅结果图像的技术。随着科技的发展和人们对图像质量的要求不断提高，多视角图像融合算法成为了研究热点。本文将对多视角图像融合算法进行综述，分析其各种方法和应用。
1. 引言
多视角图像融合算法的研究与应用涉及多个领域，包括计算机视觉、图像处理、机器学习等。其主要目标是能够合成一幅更加清晰、更具信息丰富性的图像，并能够从多个视角中获取更多的细节。多视角图像融合算法可应用于许多领域，如遥感图像、医学影像等。
2. 多视角图像融合算法的分类
2.1 基于传统图像处理的方法
传统的图像处理方法主要包括像素级融合、变换域融合和区域级融合三种。
2.1.1 像素级融合 像素级融合是一种将多个图像的像素进行简单叠加或加权求和的方法。这种方法简单直观，易于实现，但容易导致图像失真和信息丢失。
2.1.2 变换域融合
变换域融合是基于图像的频域变换，如小波变换和离散余弦变换（DCT）。通过对不同图像进行变换域分析和合成，可以达到多视角图像融合的目的。然而，变换域融合方法对不同图像的频谱分量有一定假设，因此可能导致失真。
2.1.3 区域级融合
区域级融合方法是基于图像的区域分割和匹配，将不同图像中相似的区域进行融合。这种方法能够更好地保留图像的细节和结构，但需要进行复杂的图像分割和匹配，计算复杂度较高。
2.2 基于深度学习的方法
近年来，深度学习在图像处理领域取得了重大突破。多视角图像融合算法也开始采用基于深度学习的方法。 2.2.1 卷积神经网络（CNN）
卷积神经网络是一种可以自动学习图像特征的神经网络。通过训练大量的图像数据，CNN可以学习到图像中的细节和结构，并将多个视角的图像进行融合。
2.2.2 生成对抗网络（GAN）
生成对抗网络是一种通过两个神经网络进行对抗训练的模型。其中一个网络为生成器，负责生成合成图像；另一个网络为判别器，负责判断生成的图像是否真实。通过不断迭代训练，GAN可以生成更加真实且细节丰富的多视角图像。
一种基于像素清晰度的NSCT域多聚焦图像融合方法
第２７卷第３期 ２０１２年６月 郑州轻工业学院学报（自然科学版） ＪＯＵＲＮＡＬ ＯＦ ＺＨＥＮＧＺＨＯＵ ＵＮＩＶＥＲＳＩＴＹ ＯＦ ＬＩＧＨＴ ＩＮＤＵＳＴＲＹ（Ｎａｔｕｒａｌ Ｓｃｉｅｎｃｅ） Ｖｏｌ＿２７ ＮＯ．３ Ｊｕｎ．２０１２
文章编号：１００４—１４７８（２０１２）０３—００５３—０５
一种基于像素清晰度的ＮＳＣＴ域
多聚焦图像融合方法
时海亮 ＇ 黄海洋， 李刚
（郑州轻工业学院数学与信息科学系，河南郑州４５０００２）
摘要：针对非下采样Ｃｏｎｔｏｕｒｌｅｔ变换等多分辨率方法在图像融合过程中需要对源图像进行分解和重
构，有可能改变源图像可靠信息等问题，提出了一种基于像素清晰度的ＮＳＣＴ的空域多聚焦图像融 合方法．该方法根据ＨＶＳ对局部对比度的敏感性和方向选择性，以及有用信息和噪声在ＮＳＣＴ域中
的分布特点，引入局部方向对比度和方向向量的概念，用于衡量像素清晰度；然后通过比较多聚焦图 像相应位置像素的清晰度，以选择模式决定融合图像的像素取自哪幅源图像．实验结果表明，该方法
不仅能够从源图像中提取更多的有用信息，而且能够避免人为信息或高频噪声的引入，图像融合效
果优于传统方法． 关键词：多聚焦图像融合；像素清晰度；非下采样ｃｏｎｔｏｕｒｌｅｔ变换；局部方向对比度；方向向量 中图分类号：ＴＮ９１１．７３ 文献标志码：Ａ
Ａ ｍｅｔｈｏｄ ｆｏｒ ｍｕｌｔｉｆｏｃｕｓ ｉｍａｇｅ ｆｕｓｉｏｎ ｉｎ
ＮＳＣＴ ｄｏｍａｉｎ ｂａｓｅｄ ｏｎ ｐｉｘｅｌ ｃｌａｒｉｔｙ
ＳＨＩ Ｈａｉ—ｌｉａｎｇ，ＨＵＡＮＧ Ｈａｉ—ｙａｎｇ，ＬＩ Ｇａｎｇ
（Ｄｅｐｔ．ｏｆＭａｔｈｅ．ａｎｄ ｌｎｆｏｒ．Ｓｃｉ．，Ｚｈｅｎｇｚｈｏｕ Ｕｎｉｖ．ｏｆＬｉｇｈｔ Ｉｎｄ．，Ｚｈｅｎｇｚｈｏｕ ４５０００２，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｃｏｎｓｉｄｅｒｉｎｇ ｔｈｅ ｐｒｏｂｌｅｍ ｔｈａｔ ＮＳＣＴ－ｂａｓｅｄ ｍｕｈｉｒｅｓｏｌｕｔｉｏｎ ｆｕｓｉｏｎ ｍｅｔｈｏｄｓ ｍａｙ ｃｈａｎｇｅ ｔｈｅ ｒｅｌｉａｂｌｅ
光谱分辨率增强算法
光谱分辨率增强算法
光谱分辨率增强算法是一种通过对原始光谱数据进行处理，提高光谱分辨率的方法。以下是两种常见的光谱分辨率增强算法：
1. 插值算法：该算法通过插值来增加光谱数据的采样点数，从而提高分辨率。常用的插值方法包括线性插值、样条插值和最小二乘法插值等。插值算法可将光谱数据的原始采样点扩展为更多的采样点，从而实现分辨率的增强。
2. 多光谱图像融合算法：这种算法通过将多个低分辨率的光谱图像融合在一起，提高整体图像的分辨率。常用的融合算法包括小波变换融合、PCA融合和图像金字塔融合等。融合算法可以将多个低分辨率的光谱图像信息合并在一起，从而实现对整体图像分辨率的增强。
这些光谱分辨率增强算法可以根据具体应用需求选择合适的方法。同时，在实际应用中，还可以结合其他信号处理技术，如降噪、去噪和平滑等，进一步提高分辨率的效果。
一种改进的基于局部能量图像融合算法
第３５卷第１１期
２００８年１１月 光电工程
Ｏｐｔｏ－Ｅｌｅｃｔｒｏｎｉｃ Ｅｎｇｉｎｅｅｒｉｎｇ Ｖｏ１．３５，Ｎｏ．１１
Ｎｏｖ，２００８
文章编号：１００３—５０１Ｘ（２００８）１１—０１０６—０５
一种改进的基于局部能量图像融合算法
龚昌来
（嘉应学院电子信息工程系，广东梅州５１４０１５）
摘要：分析了基于局部能量的小波图像融合算法的优缺点，针对该算法存在的对窗口内像素包含独立信息考虑不足 的问题，提出了一种改进算法。改进算法利用了窗口中心像索的相位信息，将基于局部能量的选择和加权平均融
合规则相结合。当两幅源图像小波分解后的对应高频系数相位相同时，采用局部能量极大值准则选择融合图像对 应的高频系数，相位相反时，采用局部能量加权平均方法确定融合图像对应的高频系教。实验证明了改进算法的 有效性。 关键词：图像融合；小波分解；局部能量；相位信息 中图分类号：ＴＮ９１１．７３ 文献标志码：Ａ
Ｉｍｐｒｏｖｅｄ Ｉｍａｇｅ Ｆｕｓｉｏｎ Ａｌｇｏｒｉｔｈｍ Ｂａｓｅｄ ｏｎ Ｌｏｃａｌ Ｅｎｅｒｇｙ
ＧＯＮＧ Ｃｈａｎｇ－ｌａｉ （Ｄｅｐｔ．ｏｆＥｌｅｃｔｒｏｎｉｃ ａｎｄＩｎｆｏｒｍａｔｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｊｉａｙｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ，Ｍｅｉｚｈｏｕ ５１４０１５，ＧｕａｎｇｄｏｎｇＰｒｏｖｉｎｃｅ，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ａｎ ｉｍａｇｅ ｆｕｓｉｏｎ ａｌｇｏｒｉｔｈｍ ｂａｓｅｄ ｏｎ ｌｏｃａｌ ｅｎｅｒｇｙ ｐｒｏｃｅｓｓｉｎｇ ｏｆ ｗａｖｅｌｅｔ ｃｏｅｆｆｉｃｉｅｎｔ ｉｓ ａｎａｌｙｚｅｄ．Ｔｏ ｏｖｅｒｃｏｍｅ ｉｔｓ ｄｉｓａｄｖａｎｔａｇｅ ｏｆ ｉｎｓｕｆｆｉｃｉｅｎｔ ｃｏｎｓｉｄｅｒａｔｉｏｎ ｆｏｒ ｌｏｃａｌ ｐｉｘｅｌ ｉｎｄｅｐｅｎｄｅｎｔ ｉｎｆｏｒｍａｔｉｏｎ，ａｎ ｉｍｐｒｏｖｅｄ ａｌｇｏｒｉｔｈｍ ｉｓ ｐｒｏｐｏｓｅｄ． Ｔｈｅ ｉｍｐｒｏｖｅｄ ａｌｇｏｒｉｔｈｍ ｃｏｍｂｉｎｅｓ ｔｈｅ ｌｏｃａｌ ｅｎｅｒｇｙ ｓｅｌｅｃｔｉｏｎ ａｎｄ ｗｅｉｇｈｔｅｄ ａｖｅｒａｇｅ ｆｕｓｉｏｎ ｒｕｌｅ ｂｙ ｕｓｉｎｇ ｔｈｅ ｐｈａｓｅ
基于光谱复原的NMF遥感图像融合改进算法
第３０卷第１期 ２０１Ｏ年１月 海洋测绘 ＨＹＤＲＯＧＲＡＰＨＩＣ ＳＵＲＶＥＹＤ Ｇ ＡＮＤ ＣＨＡＲＴ Ｇ Ｖ０１．３０．ＮＯ．１ Ｊａｎ．．２０１０
基于光谱复原的ＮＭＦ遥感图像融合改进算法
马一薇 ，冯伍法 ，祝鹏飞 ，张斌 。
（１．解放军信息工程大学测绘学院，河南郑州４５００５２；２．６１５１２部队，北京１０００８８；３．９６６３３部队，北京１０００９６）
摘要：在研究了非负矩阵分解（ＮＭＦ）用于遥感图像融合技术的基础上，改进了一种基于光谱复原的ＮＭＦ遥 感图像融合算法，首先利用矩阵非负性分解求取图像的基向量矩阵，然后综合考虑图像融合后的光谱特性和波形 变化情况，对基向量矩阵进行直方图规则化处理，最后得到融合后的图像。实验结果表明，该方法具有较好保持原 始图像的光谱信息和空问信息的优点。 关键词：遥感影像；图像融合；矩阵分解；光谱复原 中图分类号：ＴＰ７５１．１ 文献标识码：Ｂ 文章编号：１６７１—３０４４（２０１０）０１．００４１—０３
随着遥感技术的发展，遥感卫星提供了大量不
同时间、空间和光谱分辨率的影像数据。如何将这 些不同来源的数据进行优势信息的综合，弥补单一
影像数据的不足，是提高遥感数据分析精度和数据 利用率的关键，因此，遥感图像融合技术应运而生。 图像融合的思想是采用一定的算法，将两幅或 多幅图像合成为一幅新的图像，从而使融合后的图
像具有更高的可信度，减少理解的模糊性，增加解译 性。图像融合作为一种有效的信息处理技术，已经 广泛的应用于计算机视觉、遥感、医学图像处理及军 事等领域 ¨。
常用的图像融合方法主要有高通滤波法、ＰＣＡ 变换法、ＩＨＳ变换法以及小波变换法等，这些方法改
善了融合图像的质量，但也各有局限性。高通滤波 融合会滤掉高分辨率图像大部分的纹理信息，ＩＨＳ
变换融合易产生光谱退化，ＰＣＡ变换融合结果会失 去原有的物理特性，小波变换是目前研究最广泛的 融合方法，但会在一定程度上丢失原始图像的边缘 信息。如何使融合图像既可以提高清晰度，又尽可
一种改进的多小波遥感图像融合方法
第２８卷第１２期 计算机仿真 ２０１１年１２月
文章编号：１００６—９３４８（２０１１）１２—０２４９—０４
一种改进的多小波遥感图像融合方法
周立俭，崔学梅，李俊伟
（青岛理工大学通信与电子工程学院，山东青岛２６６０３３）
摘要：多遥感图像融合的高频部分在区域处理时易出现边界歧异，造成图像失真的问题。为了提高图像视觉效果和特征识
别，提出一种新的分块区域遥感图像融合方法。首先采用多小波分解把图像分解成不同尺度的高频和低频两部分，然后在 不同频带选择不同的融合规则，在高频处理部分，采用分块区域处理，取区域绝对值较大的作为融合后的多小波系数，低频 采用加权平均算法，最后经多小波重构得到最终融合图像。仿真结果表明，改进方法能够完好地保留遥感图像的原始信息， 融合效果良好。
关键词：遥感图像；多小波；图像融合；分块区域 中图分类号：ＴＰ３９１ 文献标识码：Ｂ
Ｉｍｐｒｏｖｅｄ Ｍｕｌｔｉ——ｗａｖｅｌｅｔ Ｆｕｓｉｏｎ Ｍｅｔｈｏｄ ｆｏｒ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ Ｉｍａｇｅ
ＺＨ０Ｕ Ｌｉ—ｉｉａｎ，ＣＵＩ Ｘｕｅ—ｍｅｉ，ＬＩ Ｊｕｎ—ｗｅｉ
（Ｓｃｈｏｏｌ ｏｆ Ｃｏｍｍｕｎｉｃａｔｉｏｎ ａｎｄ Ｅｌｅｃｔｒｏｎｉｃ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｑｉｎｇｄａｏ Ｔｅｃｈｎｏｌｏｇｉｃａｌ Ｕｎｉｖｅｒｓｉｔｙ，
Ｑｉｎｇｄａｏ Ｓｈａｎｄｏｎｇ ２６６０３３，Ｃｈｉｎａ）
ＡＢＳＴＲＡＣＴ：Ａ ｎｅｗ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ｉｍａｇｅ ｆｕｓｉｏｎ ｍｅｔｈｏｄ ｃｏｍｂｉｎｅｄ ｗｉｔｈ ｔｈｅ ｆｅａｔｕｒｅｓ ｏｆ ｍｕｌｔｉ—ｗａｖｅｌｅｔ ｗａｓ ｐｒｏｐｏｓｅｄ
ｉｎ ｔｈｉｓ ｐａｐｅｒ，ｗｈｉｃｈ ａｖｏｉｄｓ ｂｏｕｎｄａｒｙ ｉｎｔｅｒｆｅｒｅｎｃｅｓ ｃａｕｓｅｄ ｂｙ ｒｅｇｉｏｎａｌ ｐｒｏｃｅｓｓｉｎｇ ｉｎ ｔｈｅ ｈｉｇｈ—ｆｒｅｑｕｅｎｃｙ ｐａｒｔ．Ｆｉｒｓｔ—
基于多分辨率融合的X射线图像动态范围扩展技术
基于多分辨率融合的X射线图像动态范围扩展技术
李汉志;赵宝升;李伟
【摘 要】针对X射线图像增强器所成图像动态范围小的缺点,提出一种基于多分辨率图像融合的动态范围扩展方法.通过小波变换,将两幅不同管电压条件下采集的X射线图像融合为一幅图像,以扩展单幅X射线图像的动态范围.试验结果显示,与两幅源图像相比,融合图像的动态范围得到显著扩展,各项量化指标均优于射线管电压取两次采集时的中间值的射线图像.
【期刊名称】《无损检测》
【年(卷),期】2010(032)012
【总页数】4页(P918-920,925)
【关键词】X射线图像像增强器;动态范围扩展;信号处理;图像融合
【作 者】李汉志;赵宝升;李伟
【作者单位】中国科学院,西安光学精密机械研究所,瞬态光学与光子技术国家重点实验室,西安,710119;中国科学院,研究生院,北京,100039;中国科学院,西安光学精密机械研究所,瞬态光学与光子技术国家重点实验室,西安,710119;长安大学,信息工程学院,西安,710064
【正文语种】中 文
【中图分类】TG115.28;TP391.4
数字X射线成像技术在无损检测方面的应用日益广泛,目前主要有计算机 X射线成像(CR,computer radiography)、采用电荷耦合器的数字X射线成像以及使用平板探测器的X射线成像技术。平板探测器以其动态范围大和空间分辨率高等优异性能,是目前最先进的射线检测设备。但是,基于平板探测器的射线成像系统价格十分昂贵。在检测要求不是极其苛刻的条件下,具有较高分辨力的X射线图像增强器系统使用十分广泛。这种X射线成像系统的优点是价格远低于平板探测器,缺点是成像动态范围小、背景噪声大以及背景不均匀性严重[1]。针对X射线图像增强器系统动态范围小的问题,笔者提出一种基于多分辨率图像融合的射线图像动态范围扩展技术。
1 算法原理
1.1 小波分解与重构
根据Mallat提出的塔式分解方法[2],离散小波分解如下式：式中a为低频子带;h,v,d分别为水平、垂直和对角方向的高频子带;J为执行小波分解的层数;C0为原始图像;H和G分别为尺度函数和小波函数对应的滤波器系数矩阵;H′和G′分别为H和G的共轭转置矩阵,它们都随小波基的选择而定。相应的小波重构算法是：
一种基于小波-Contourlet的改进图像融合算法
第２８卷第１期 ２０１１年３月 广东工业大学学报 Ｊｏｕｒｎａｌ ｏｆ Ｇｕａｎｇｄｏｎｇ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ Ｖ０１．２８ Ｎｏ．１ Ｍａｒｃｈ ２０１ｌ
一种基于小波一Ｃｏｎｔｏｕｒｌｅｔ的改进图像融合算法
吴建宏，李伟彤，廖捷
（广东工业大学信息工程学院，广东广州５１０００６）
摘要：为了解决小波变换中的方向有限性问题，并消除Ｃｏｎｔｏｕｄｅｔ变换中拉普拉斯金字塔分解存在的信息冗余，提 出一种基于小波．Ｃｏｎｔｏｕｒｌｅｔ的区域梯度选择平均图像融合算法．该算法对低频采用加权平均规则，对高频则计算区 域梯度，并采用选择平均规则，选取空间频率、交叉熵与偏差等客观评价数据．实验结果表明，在相同的融合规则 下，基于小波．Ｃｏｎｔｏｕｒｌｅｔ变换的融合算法能够比单一的小波变换或Ｃｏｎｔｏｕｒｌｅｔ变换获得更好的融合结果． 关键词：小波一Ｃｏｎｔｏｕｒｌｅｔ变换；图像融合；融合规则；区域梯度选择平均 中图分类号：ＴＰ３９１ 文献标志码：Ａ 文章编号：１００７－７１６２【２０１１）ｏ１－０ｏ１２一ｏ４
图像融合是将两个或两个以上的传感器获得的
图像信息进行综合以便形成一幅数据更精确、更丰
富的图像．图像融合由低到高分为３个层次：像素级
融合、特征级融合和决策级融合．小波变换¨ 是目前
图像融合中比较常用的方法，研究表明，在高维情况
下，小波变换并不是最优的函数表示方法．为了更加
有效地表示和处理图像等高维空间数据，研究者
先后提出了Ｒｉｄｇｅｌｅｔ 、Ｃｕｒｖｅｌｅｔ Ｊ、Ｂａｎｄｅｌｅｔ 、
Ｃｏｎｔｏｕｒｌｅｔ ５ 和小波．Ｃｏｎｔｏｕｒｌｅｔ＿６ 等一系列多尺度几
何分析工具．这些方法的提出，为图像融合领域构造
更多、更有效的融合方法奠定了基础．
小波变换和Ｃｏｎｔｏｕｒｌｅｔ变换是目前进行图像融
合的两个主要和常用的工具．小波变换在理论上和
实际应用上都比较成熟，一直是图像融合的常用工