检索结果-南通市图书馆

Shearlet变换耦合细节强化因子的遥感图像融合算法

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

太赫兹科学与电子信息学报 2020年第6期18卷 1073-1079页

作者：崔怡文侯德林武汉铁路职业技术学院经济管理学院湖北武汉430000 武汉纺织大学管理学院湖北武汉430073

为克服当前较多遥感图像融合方法存在间断以及吉布斯现象,本文利用像素点间灰度以及梯度信息,设计了一种采用非下采样Shearlet变换(nsst)耦合细节强化因子的图像融合方法。将多光谱(MS)图像经过强度-色调-饱和度(IHS)变换,分离出强度成... 详细信息

为克服当前较多遥感图像融合方法存在间断以及吉布斯现象,本文利用像素点间灰度以及梯度信息,设计了一种采用非下采样Shearlet变换(nsst)耦合细节强化因子的图像融合方法。将多光谱(MS)图像经过强度-色调-饱和度(IHS)变换,分离出强度成分。随后,借助nsst变换处理强度成分与全色(PAN)图像,获取对应的高频和低频系数。以强度成分对应的低频系数为依据,通过图像的空间频率特性计算加权系数,将PAN图像的低频系数植入到强度(I)成分对应的低频系数中,融合低频系数。采用像素点间灰度以及梯度信息,构造细节强化因子,融合高频系数。最后,采用IHS和nsst反变换重构这些融合系数,获取融合结果。实验结果显示:较当前融合技术,所提算法拥有更为理想的融合效果,具有更高的互信息值和更低的光谱偏差度值。

关键词：遥感图像融合空间频率 nsst变换梯度信息细节强化因子 IHS变换

基于改进的非下采样剪切波变换多聚焦图像融合技术的研究

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

仪表技术与传感器 2017年第9期 114-117页

作者：刘明君董增寿张凤珍忻州师范学院电子系山西忻州034000 太原科技大学电子信息学院山西太原030024 北京交通大学信息科学研究所北京100044

针对多聚焦图像融合的具体问题,文中提出一种基于改进的非下采样剪切波变换(nsst)的图像融合方法。nsst变换更加有利于保持图像的边缘和轮廓信息,同时保持了图像的平移不变性。在对原图像进行多尺度几何变换后,针对图像融合过程中源图... 详细信息

针对多聚焦图像融合的具体问题,文中提出一种基于改进的非下采样剪切波变换(nsst)的图像融合方法。nsst变换更加有利于保持图像的边缘和轮廓信息,同时保持了图像的平移不变性。在对原图像进行多尺度几何变换后,针对图像融合过程中源图像不同清晰指标,采用改进的绝对值取大的融合规则处理经过多尺度几何变换后的高频系数;采用基于区域加权的拉普拉斯能量和的方式处理低频系数,将得到的高、低频系数经过nsst逆变换最终得到融合图像,实验结果表明,对于多聚焦图像融合,文中提出的算法,不仅在主观视觉方面获得了良好的效果,而且在客观评价标准方面也优于传统的多聚焦融合算法。

关键词：图像融合 nsst变换改进绝对值取大区域加权的拉普拉斯能量和

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于区域特性的压缩感知图像融合算法研究

基于区域特性的压缩感知图像融合算法研究

作者：贺亚飞华东交通大学

学位级别：硕士

图像融合是信息融合技术领域方面的一个重要分支,它通过将多个传感器采样、收集到的关于同一场景或者不同场景同一目标的多个原始图像的信息加以适当的处理,从而来获得对同一场景、同一目标更为清晰、完整、丰富的图像。其应用遍及遥感... 详细信息

图像融合是信息融合技术领域方面的一个重要分支,它通过将多个传感器采样、收集到的关于同一场景或者不同场景同一目标的多个原始图像的信息加以适当的处理,从而来获得对同一场景、同一目标更为清晰、完整、丰富的图像。其应用遍及遥感探测、交通监测、医学图像分析、环境保护等重要领域,伴随其应用的推广,图像融合过程中图像的数量逐渐增加,巨大的计算量给图像融合过程产生了极大的困难。压缩感知(Compressed Sensing,CS)理论的提出为解决了这一复杂问题提供了一种新的、便捷的途径。当采样信号具有一定的稀疏特性或者可压缩性时,通过对所得到信号进行少量的采样,将已采集到的少量信息通过压缩感知重构算法就能够高效地重构出原始信号,在一定程度上降低了计算机的储存空间、缓解了计算的复杂度。本文围绕图像融合的基本框架,在认真学习相关研究成果的基础上,深入研究了压缩感知理论和图像融合算法,主要工作包括:1、提出了一种基于区域特性的压缩感知多聚焦图像融合算法。通过对输入的源图像进行单层小波变换,由于小波变换后得到的低频系数不稀疏,高频系数稀疏,所以采用不同的融合规则处理。低频系数采用区域方差加权绝对值最大融合,高频系数通过在具有较好RIP性质的随机观测矩阵下进行压缩采样,得到的观测值在基于能量匹配度的不同下进行相加或加权融合,最后恢复算法得到融合图像。实验结果表明,该方法简单、全面的提取了高频部分的特征信息,且降低了计算复杂度,具有较好的使用性。2、提出了一种基于非下采样剪切波(nsst)的脉冲耦合神经网络(PCNN)压缩感知图像融合算法。利用nsst的多分辨率、多方向性且平移不变性,以及PCNN模型能够充分保留图像细节特性等优势。对低频子带系数采用区域方差加权与匹配度相结合作为融合算子;对nsst分解得到的不同方向、不同尺度的高频子带系数通过压缩感知采样,获得的观测值作为PCNN神经元输入,标准差作为链接强度,得到的点火映射图作为改进的融合算子,并在最小差分变法下重构出高频子带系数;最后,在nsst逆变换下,得到最终的融合图像。通过实验结果与常见的质量评价指标分析,表明此算法的有效性。

关键词：图像融合压缩感知融合规则 nsst变换 PCNN模型

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

红外与可见光图像融合算法研究

红外与可见光图像融合算法研究

作者：董安勇昆明理工大学

学位级别：硕士

红外成像传感器具有捕捉物体热辐射的能力,但对场景纹理细节信息的变化不具有敏感性。可见光成像传感器具有捕捉场景空间细节信息的能力,但容易遭受周围恶劣环境的影响。因此,融合红外与可见光图像可以捕捉各波段互补特征,显示辐射目标... 详细信息

红外成像传感器具有捕捉物体热辐射的能力,但对场景纹理细节信息的变化不具有敏感性。可见光成像传感器具有捕捉场景空间细节信息的能力,但容易遭受周围恶劣环境的影响。因此,融合红外与可见光图像可以捕捉各波段互补特征,显示辐射目标并保留场景信息。红外与可见光图像融合技术在情报收集、监控安全以及航空航天等领域具有广泛的应用前景。为了提高红外与可见光图像的融合质量,本论文主要基于多尺度变换、卷积稀疏编码以及卷积神经网络技术进行了研究,主要的创新性工作如下:（1）针对NSCT（Non-subsampled Contourlet Transform,非下采样轮廓波变换）域低频系数不具备稀疏性,且稀疏表示存在“滑窗”操作破坏了图像深层次空间结构的问题,本论文第三部分提出了基于CSR（Convolutional Sparse Representation,卷积稀疏表示）和邻域特征结合的红外与可见光图像融合算法（简称为:NSCTCSR算法）。首先将NSCT域低频子图通过高斯滤波分解成基础层和细节层,然后选用ADMM（Alternating Direction Method of Multipliers,交替方向乘子法）求解稀疏系数,完成细节层特征响应系数的融合。同时,根据清晰程度测量函数设计了合理的邻域特征,来完成NSCT域高频子图的融合。实验结果表明:NSCT-CSR算法有效地提取了源图像更深层次的清晰测度信息,克服了稀疏表示的块效应缺陷。（2）针对NSCT-CSR算法保留了NSCT分解,削弱了高频子带捕捉特征信息能力的问题,本论文第四部分考虑到参数自适应PCNN（Pulse Coupled Neural Network,脉冲耦合神经网络）模型的视觉特性,提出了基于CSR和APCNN（Adaptive Pulse Coupled Neural Network,自适应脉冲耦合神经网络）的红外与可见光图像融合算法（简称为:CSR-APCNN算法）,实验结果表明:CSR-APCNN算法的视觉效果和客观指标相比于NSCT-CSR算法明显提高了。（3）NSCT变换具有方向不确定性,且卷积编码需要给定融合策略,因此NSCT-CSR算法和CSR-APCNN算法低频子带的自适应性略显薄弱。针对上述问题,本论文第五部分提出了基于nsst（Non-subsampled Shearlet Transform,非下采样剪切波变换）变换和SCNN（Siamese Convolutional Neural Network,孪生双通道卷积神经网络）的红外与可见光图像融合算法（简称为:nsst-SCNN算法）。nsst-SCNN算法使用孪生双通道卷积神经网络学习nsst域低频子带的特征来输出衡量子带空间细节信息的特征图。然后,根据高斯滤波处理的特征图设计了基于局部相似性的测量函数来自适应地调整nsst域低频子带的融合模式。实验结果表明:nsst-SCNN算法有效地解决了低频子带融合模式给定的问题,同时又克服了人为设置PCNN参数的缺陷。

关键词： NSCT变换 nsst变换卷积稀疏表示 PCNN模型卷积神经网络

基于脉冲耦合神经网络的红外与可见光图像融合算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于脉冲耦合神经网络的红外与可见光图像融合算法研究

作者：禄雨丛河北大学

学位级别：硕士

红外图像与可见光图像的融合由于所融合的这两种图像的成像方式、图像特点的不同,融合后的图像信息得到极大的丰富,所以该方向是图像融合领域具有代表性的研究方向。脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)是通过模拟哺... 详细信息

红外图像与可见光图像的融合由于所融合的这两种图像的成像方式、图像特点的不同,融合后的图像信息得到极大的丰富,所以该方向是图像融合领域具有代表性的研究方向。脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)是通过模拟哺乳动物处理图像的视神经活动过程,构建的一种人工神经网络,由于其模拟的神经元通过线性相加和非线性相乘全局耦合,能在融合的过程中充分考虑图像信息的全局特征;由于其良好的生物学背景,融合后的图像符合人眼的视觉习惯,信息丰富,应用在红外与可见光图像融合领域取得了很好的效果。但PCNN模型也存在参数过多,对于细节纹理的处理不够细致导致融合结果欠佳等不足。本文针对现有基于PCNN的红外与可见光融合算法的不足,结合非下采样剪切波变换(Nonsubsampled shearlet transform,nsst)提出了两种新的算法。本论文的主要工作内容如下:(1)基于改进简化PCNN和相交视觉皮质模型的红外与可见光图像融合算法针对现有基于PCNN的红外与可见光图像融合模型参数繁多且难以确定及对纹理融合效果差等问题,本文提出了一种改进了外部激励的简化PCNN模型与相交视觉皮质模型相结合的算法,用以融合nsst域内的红外与可见光图像。nsst分解后的低频分量根据边缘和梯度能量融合,2、3级高频分量通过改进的简化PCNN模型融合,4级高频分量通过ICM融合,最后通过nsst逆变换得到最终的融合图像。该算法使用的PCNN模型经过简化,减少了模型参数;改进了PCNN的外部激励,使其可以更好的捕捉图像各个方向的边缘细节信息,ICM模型本身善于捕捉细微的图像特征,整体可以增强融合图像的边缘特征的提取。该算法经实验对比验证了其优越性,在主观评价和客观评价中都表现良好。(2)nsst域内基于连接突触计算网络的红外与可见光图像融合算法针对现有基于PCNN红外与可见光图像融合算法获得的融合结果中细节信息缺失、边缘轮廓信息保留不够的缺点,本文提出了连接突触计算网络(Linking synaptic computation network,LSCN)模型和共现滤波(Co-occurrence filtering,COF)结合的nsst域内红外与可见光图像融合算法。LSCN模型很好的克服了伪吉布斯现象,图像细节信息保留完整,用以融合图像的低频分量;COF滤波结合最大最小滤波,能极大程度上的提取图像的轮廓信息,并平滑纹理信息,用以融合图像的高频分量。并且在算法中针对红外图像和可将光图像各自的问题分别通过直方图均衡化和LSCN模型进行了图像增强。实验结果表明融合后的图像目标与背景之间边缘清晰,在主观评价与客官评价都表现良好。

关键词：红外与可见光图像融合脉冲耦合神经网络 nsst变换共现滤波

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于压缩感知的红外图像与可见光图像融合

基于压缩感知的红外图像与可见光图像融合

作者：孟健长春工业大学

学位级别：硕士

图像融合技术是近几年的图像研究领域的热门,而红外与可见光的图像融合则更是在军事、遥感、安全和视频监控等领域得到了广泛的应用。红外传感器对热目标能很好地识别而可见光传感器能提供清晰的场景信息,通过对红外与可见光进行融合,... 详细信息

图像融合技术是近几年的图像研究领域的热门,而红外与可见光的图像融合则更是在军事、遥感、安全和视频监控等领域得到了广泛的应用。红外传感器对热目标能很好地识别而可见光传感器能提供清晰的场景信息,通过对红外与可见光进行融合,可以同时利用目标的热量信息和场景信息,对目标进行更为精确的判断,有利于目标识别及其他后续的处理。传统的图像融合由于需要源图像的全部信息,不易存储和传输,融合效率低。压缩感知(compressive sensing,CS)能以较低采样率高效重构原信号,成为图像融合领域的研究热点。压缩感知在采样的同时对数据进行压缩,而且融合只对少量的测量值进行而不是整幅图像,可以显著降低系统的存储压力与计算复杂度。围绕压缩感知融合,本文主要做了以下工作:(1)给出了压缩感知的基础理论框架和结构,对基于压缩感知的现有融合规则进行了深入研究,并总结了常用的融合图像质量客观评价指标。(2)目前基于压缩感知融合的研究集中在DCT,小波变换,NSCT(非下采样轮廓波)稀疏变换上。而本文将非下采样剪切波变换(nsst)应用在压缩感知域,并提出新的压缩感知融合方案,仅对计算量较大的高频子带系数采用基于压缩感知的图像融合方法进行融合,即对高频子带进行星型测量,使测量值与结构信息相关联;对测量后的高频子带制定了基于空间频率加权的新融合规则。利用区域标准差与区域能量联合指导低频子带系数的融合。最后经nsst逆变换得到融合图像。实验结果表明,仅用单层nsst变换即可重建出高质量图像,融合效果好于其他几种传统的压缩感知融合算法。(3)在基于非下采样剪切波变换(nsst)压缩感知融合算法的基础上,对基于图像分块的压缩感知融合算法进行了深入研究。考虑到对图像分块采样,图像块之间缺乏整体特性的缺点,致使图像在经过重构之后会产生分块效应。在分块压缩感知融合算法中引入平滑投影(SPL)Landweber算法进行重构,有效去除了分块效应,并提高了融合速度。

关键词：压缩感知图像融合 nsst变换分块压缩感知

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于频域增强和CNN的图像去噪算法研究

基于频域增强和CNN的图像去噪算法研究

作者：董玉西安理工大学

学位级别：硕士

随着信息化时代的到来,人们接收的信息不再是单一的语音信号,更多的是图像信号,这是人类进行信息传播和交流的主要途径。但是图像信息在传输的过程中会受到各种噪声的干扰,噪声会使图像细节丢失、图像模糊,因此,图像去噪一直是研究热点... 详细信息

随着信息化时代的到来,人们接收的信息不再是单一的语音信号,更多的是图像信号,这是人类进行信息传播和交流的主要途径。但是图像信息在传输的过程中会受到各种噪声的干扰,噪声会使图像细节丢失、图像模糊,因此,图像去噪一直是研究热点。目前己经有大量的图像去噪算法被提出来,取得了较好的效果。然而,在去除噪声的同时保持图像更多的边缘细节特征依旧是图像去噪问题的研究关键。本文针对此问题,从保留图像的边缘细节特征出发,将频域增强和卷积神经网络两者相结合,来研究图像去噪问题。具体工作内容包括:（1）提出了一种基于NSCT域和残差网络的图像去噪算法。首先,使用NLM去噪算法对噪声图像进行预去噪,然后将此结果进行Canny边缘检测获得边缘矩阵;同时,对原噪声图像进行NSCT分解,得到其高频子带;通过边缘矩阵定位边缘像素位置,放大高频子带中对应的边缘系数,再经NSCT反变换,从而获得边缘增强的噪声图像;最后,把边缘增强的噪声图像再输入到残差网络训练,得到最终的去噪图像。实验表明本方法取得了良好的去噪效果,去噪图像能够保留更多的边缘纹理细节信息。（2）提出了一种基于nsst域和Res2Net网络的图像去噪算法。首先,对噪声图像使用均值滤波算法进行预去噪;对预处理得到的图像再进行nsst变换,得到一个低频子带图和多个高频子带;把各个高频子带和低频子带分别输入到Res2Net中进行训练学习;最后,把经过训练的各个高频子带和低频子带经nsst逆变换重构,得到最终去噪图像。实验表明本方法能够得到清晰的视觉效果和较高的指标。

关键词：图像去噪 NSCT变换残差网络 nsst变换 Res2Net网络

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多尺度变换的图像融合方法研究

基于多尺度变换的图像融合方法研究

作者：张肖帅河北大学

学位级别：硕士

多源图像之间具有互补性和冗余性。为了克服单一源图像提供信息不足的缺点,本文对多尺度几何变换进行研究,探讨了基于多尺度几何变换的图像融合算法。本文主要研究内容和创新点如下:1、将Smoothlet变换应用到图像融合领域。Smoothlet变... 详细信息

多源图像之间具有互补性和冗余性。为了克服单一源图像提供信息不足的缺点,本文对多尺度几何变换进行研究,探讨了基于多尺度几何变换的图像融合算法。本文主要研究内容和创新点如下:1、将Smoothlet变换应用到图像融合领域。Smoothlet变换具有较好的“线”、“面”特性,能够很好的逼近图像边缘信息,进而对图像中需要保留的边缘信息进行有效地提取。但是Smoothlet在进行图像逼近时方向性有限,通过将Smoothlet变换与其他多尺度几何变换相结合,再将其应用到图像融合领域。2、NSCT和Smoothlet结合的图像融合方法。图像融合过程中,NSCT在图像空间域的总体活跃度不高,以及从源图像提取的信息量不够完全,融合后的图像在细节位置上会产生不同程度的模糊,导致对融合后图像的准确性产生不良影响。针对NSCT变换的不足,本文研究了NSCT和Smoothlet结合的融合算法。NSCT具有很好的方向性,两种方法之间具有很强的互补性,且在融合过程中保留了逼近图像和残留图像,从而能够更有效地提取图像中需要保留的特征信息。仿真实验表明,该算法融合后的图像能够很好的保留源图像的细节信息。3、nsst和Smoothlet结合的图像融合方法。单一多尺度几何方法通常只擅长处理某一特定类型的图像,而对于其他类型的图像并不适用。将本文研究的nsst和Smoothlet结合的图像融合方法应用到多聚焦图像和医学图像领域,都取得了良好的融合效果。nsst采用“Meyer”小波构造窗函数,可获得多方向的紧支撑结构,在方向分解操作过程中可以自行设定方向数目,方向数目的增加使得融合后的图像更加精细。通过与nsst结合能够很好的弥补Smoothlet在方向上的不足,而且融合过程中保留了逼近图像和残留图像,因此提高了nsst变换过程中对源图像信息的保留程度。仿真实验表明,该算法融合后的图像效果要优于传统单一的多尺度几何方法。

关键词：图像融合医学图像多聚焦图像 Smoothlet变换 NSCT变换 nsst变换

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

非织造布纤维结构与形态的图像解析与测量

非织造布纤维结构与形态的图像解析与测量

作者：陈阳上海工程技术大学

学位级别：硕士

20世纪90年代以来,随着纺织行业的发展,非织造布也得到了发展及应用,基于纤维原料的选择、生产工艺的改进以及各种性能的改进等等方面的研究越来越多,本文研究的非织造布结构与形态对研究非织造布的性能有很大的关联。对于非织造布纤维... 详细信息

20世纪90年代以来,随着纺织行业的发展,非织造布也得到了发展及应用,基于纤维原料的选择、生产工艺的改进以及各种性能的改进等等方面的研究越来越多,本文研究的非织造布结构与形态对研究非织造布的性能有很大的关联。对于非织造布纤维形态与结构的测量与解析的研究方式也由传统的基于经验的人工检测逐渐变为基于计算机的图像处理方法,基于图像处理的方法更加科学客观,并且具备快速响应、数字化解决和准确性等优势。要进行非织造布纤维结构与形态的图像测量,图像的采集是第一步。本文使用自行搭建的显微镜采集系统来采集样本图像,该装置包括一台三目显微镜,一台数码相机,一台三轴机动平台和一台电脑。将制备好的样本放置于显微镜载物台上,通过x,y,z三个方向的调整,使得图像能够实时显示于计算机上,并按照一定刻度不断调整焦点拍摄下一系列单焦面图像,从而得到样本数据库。拍摄得到的一系列单焦面图像的形成是因为非织造布厚度大于显微镜景深,纤维无法清晰显示在一幅图像中。非织造布的测量精准度取决于采集图像的清晰程度,对于部分区域纤维无法清晰显示的现象,本文应用并改进了两种多焦面图像融合算法,分别为GHM多小波算法及非下采样剪切波变换算法。这两种算法都是先将两幅单焦面图像分解为高频和低频两种分量,再使用两种融合规则分别处理高低频分量,再将两种处理好的分量进行融合后逆变换得到初始融合图像,再将初始融合图像及下一幅单焦面图像按照上述步骤进行,不断迭代至所有纤维均清晰显示,得到最终的融合图像。基于融合图像,分别从纤维直径、孔隙率及纤维取向度三个方面进行非织造布结构与形态的测量与解析。对于纤维直径的测量是图像预处理及曲线拟合相结合处理,预处理主要涉及对比度拉伸,归一化,二值化,形态学等操作,而曲线拟合是基于霍夫变换的思想进行,最后根据距离公式得到直径,该方法方便快捷准确;对于孔隙率的测量步骤主要是标识出孔洞,并计算每个孔洞的面积,最终计算得到孔隙率;对于纤维取向度的测量也是预处理及曲线拟合的结合处理,预处理主要是二值化、均值滤波及提取出单独的各个孔洞,最后再使用霍夫变换拟合曲线得到取向度分布结果。针对非造布结构与形态的测量,本课题从图像采集、图像融合到图像结构参数测量分析,得到的数据结果能够进行生产的指导,推动非织造布的高速、自动发展,使得产业更加工序连续化。

关键词：非织造布多焦面融合显微成像 GHM多小波 nsst变换霍夫变换