融合图像的频率定量分析及其空间分辨率的确定方法_段伟
一种基于多尺度边缘检测的小波图像融合算法
一种基于多尺度边缘检测的小波图像融合算法
章伟;王培良
【期刊名称】《微计算机信息》
【年(卷),期】2009(025)028
【摘要】针对多聚焦图像融合问题本文提出了一种基于多尺度边缘检测的小波图像融合方法.该方法采用Frei-chen模板时源图像经小波分解后系数所对应子图像进行边缘检测,选择最有可能是边缘的点加以保留,最后重构得到融合图像.采用均方根误差、标准差作为客观评价标准,结合主观评价对本文方法和其他两种方法得到的融合结果进行比较,实验结果表明采用本文方法得到融合图像清晰、质量改善.【总页数】3页(P130-132)
【作者】章伟;王培良
【作者单位】313000,浙江湖州,湖州师范学院信息工程学院;313000,浙江湖州,湖州师范学院信息工程学院
【正文语种】中文
【中图分类】TP391
【相关文献】
1.一种基于小波多尺度边缘检测的图像融合算法 [J], 夏明革;何友;苏峰;黄晓冬
2.基于边缘检测和小波变换的遥感图像融合算法 [J], 张丽丽;苏训;陈鑫;邓雨巍;陈春雨;张天垚;姜瀚
3.一种基于小波变换的SAR图像多尺度边缘检测融合算法 [J], 廖增为;宋建社;张宪伟;雍燕
4.基于边缘检测的双树复小波图像融合算法 [J], 李莉
5.基于小波系数矩阵二阶矩和多尺度小波分析的图像融合算法 [J], 梁忠伟;叶邦彦;徐兰英;彭锐涛
因版权原因,仅展示原文概要,查看原文内容请购买。
遥感影像融合处理方法
遥感影像融合处理方法摘要:本文介绍了遥感影像数据融合技术,并给出了融合的一些基本理论、融合处理一般步骤以及常用融合处理方法,最后简要描述了融合评价的方式方法等。
关键词:遥感影像融合融合评价1、前言将高分辨率的全色遥感影像和低分辨率的多光谱遥感影像进行融合,获得色彩信息丰富且分辨率高的遥感融合影像的过程,成为遥感影像融合。
全色影像一般具有较高空间分辨率,多光谱影像光谱信息较丰富,为提高多光谱影像的空间分辨率,可以将全色影像融合进多光谱影像。
通过影像融合既可以提高多光谱影像空间分辨率,又能保留其多光谱特性。
2、遥感影像融合一般步骤遥感影像信息融合一般流程主要分为两个阶段:图像预处理,图像融合变换。
图像预处理主要包括:几何校正及影像配准。
几何校正主要在于去除透视收缩、阴影等地形因素以及卫星扰动、天气变化、大气散射等随机因素对成像结果一致性的影响;影像配准的目的在于消除由不同传感器得到的影像在拍摄角度、时相及分辨率等方面的差异。
3 常用融合方式3.1 IHS融合IHS(亮度I、色度H、饱和度S)变换就是将影像从RGB彩色空间变换到IHS空间来实现影像融合的一种方法。
由光学、热红外和雷达(微波)等方式得到的不同波段遥感数据,合成的RGB颜色空间是一个对物体颜色属性描述系统,而IHS色度空间提取出物体的亮度、色度、饱和度,它们分别对应每个波段的平均辐射强度、数据向量和的方向及其等量数据的大小。
RGB颜色空间和IHS 色度空间有着精确的转换关系。
IHS变换法只能用三个波段的多光谱影像融合和全色影像融合。
3.2 小波融合小波变换,基于遥感影像的频域分析进行的,由于同一地区不同类型的影像,低频部分差别不大,而高频部分相差很大,通过小波变换对变换区实现分频,在分频基础上进行遥感影像的融合,常用于雷达影像SAR与TM影像的融合。
3.3 Pansharping融合Pansharping算法用于高分辨率全色影像和多光谱影像的融合生成高分辨率彩色影像,此方法要求全波段影像和多波段影像同平台、同时间(或间隔很短)获得。
信息融合_第6章 图像融合
6.3 图像匹配
• 特征匹配:匹配图像的相似性度量 – 即确定待匹配特征之间的相似性,通常定义为 某种代价函数或距离函数的形式。 – 经典的相似性度量包括相关函数和Minkowski距 离,近年来还有Hausdorff距离、互信息作为匹 配度量。 – Hausdorff距离对噪声非常敏感,分数 Hausdorff距离能处理当目标存在遮挡的情况, 但计算费时; – 互信息方法对照明的改变不敏感,在医学等图 像的匹配中得到了广泛应用,但计算量大,且 要求图像之间有较大的重叠区域。
6.2 图像融合分类
• 特征级图像融合: – 属于中间层次,先对来自不同传感器的原始信 息进行特征抽取,然后再对从多传感器获得的 多个特征信息进行综合分析和处理,以实现对 多传感器数据的分类、汇集和综合。 – 一般来说,提取的特征信息应是像素信息的充 分表示量或充分统计量,包括目标的边缘、方 向以及运动速度等; – 特征级图像融合可分为两大类,即目标状态数 据融合和目标特性融合;
• •
佘二永.多源图像融合方法研究[D]. 国防科技大学,2005 刘贵喜. 多传感器图像融合方法研究[D]. 西安电子科技大学, 2001
6.1 图像融合概论
• 图像融合: 将不同传感器获得的同一景物的图像或同一传感 器在不同时刻获得的同一景物的图像,经过去噪、 时间配准、空间配准和重采样后,再运用某种融 合技术得到一幅合成图像的过程。 通过对多幅传感器图像的融合,可克服单一传感 器图像在几何、光谱和空间分辨率等方面存在的 局限性和差异性,提高图像的质量,有利于对物 理现象和事件进行定位、识别和解释.
•
信号级融合: – 合成一组传感器信号,提供与原始信号形式相 同但品质更高的信号。
6.2 图像融合分类
遥感图像处理中的图像融合方法与精度评价
遥感图像处理中的图像融合方法与精度评价遥感图像处理是一门研究如何获取、处理和应用遥感图像信息的学科。
遥感图像融合是其中的一个重要研究方向,它旨在通过将多个遥感图像融合为一个具有更高空间、光谱分辨率和更丰富信息量的图像,来提高遥感图像的解译和应用能力。
本文将探讨遥感图像融合的方法和精度评价。
一、遥感图像融合方法1. 传统融合方法传统的遥感图像融合方法主要包括像素级融合和特征级融合。
像素级融合是指将不同分辨率的遥感图像通过插值方法将其像素一一对应,然后对对应像素进行加权平均得到融合图像。
常用的插值方法有最邻近插值、双线性插值等。
这种方法简单易实现,但无法利用各个波段之间的相关性。
特征级融合是指通过提取多个图像的不同特征,然后将这些特征融合到同一个图像中。
常见的特征包括边缘信息、纹理信息、频谱信息等。
特征级融合方法可以更好地保留各个图像的特征,但对特征的提取和融合过程较为复杂。
2. 基于变换的融合方法基于变换的融合方法是指通过对多个遥感图像进行变换操作,然后将变换后的图像进行融合。
常见的变换包括小波变换、主成分分析、时频分析等。
小波变换是一种时频分析方法,可以将图像分解为不同频率和方向的小波系数。
通过对小波系数进行加权平均,可以实现遥感图像的融合。
小波变换融合方法能够提取图像的局部特征,能更好地保留图像的细节信息。
主成分分析是一种基于统计的方法,通过分析遥感图像的协方差矩阵,提取出图像的主要成分。
然后将这些主成分按照一定的权重进行线性组合,得到融合图像。
主成分分析融合方法可以更好地提取遥感图像的空间信息,对图像的纹理特征具有较好的保留效果。
以上只是其中的两种常见的基于变换的融合方法,实际上还有很多其他的方法,如独立分量分析、稀疏表示等。
二、图像融合精度评价图像融合精度评价是指对融合图像质量进行定量评估的方法。
常用的融合图像质量评价指标有以下几种:1.谱信息准确度谱信息准确度评价主要针对于融合图像的光谱特征,常用的指标有谱变异性、谱角等。
结合图像质量评价参数的多尺度分解融合策略
A bs r t act: T he f i uson t a eg of m ulis al i ag de om po ii s r t y t— c e m e c ston s he e i t k y poi t i pr ve h i a nt o m o t e m ge f i uson.To m ak ul e oft nf m aton i t og e sofm ulis al m a c m poston,an i a uson e f lus he i or i n hepr r s t— c e i ge de o ii m gef i sr t g t a e y c m bi d o ne w ih m a qualt e t i ge iy val i i opos d. T hi s r t g uaton s pr e s t a e y i ude w o ncl s t pa t : fr t he r s i s ,t s i ntf at e i t a t lve ns ea o ur e t lve sus d o o t uc hew eghtw hih s ne e s y ort ale e ur n he ls e li t d fc r n e li e t c ns r tt i c i c s ar f he f i ur e e lS a uson ofc r nt lve ’ ppr m ato i a s e ond,t oxi i n m ge ;s c he par m e er ft m ag a t s o he i e qualt m ea ur e uc iy s em nt s h a pa i lfe s s t a r que y nc and ont a t a e i r c r s r nt oduc d f r t uso ofde a li ag .T ie e e o he f i n t i m es l xpe i e m o t at rm ntde ns r es
不同波段图像的融合方法比较研究
不同波段图像的融合方法比较研究随着我国遥感技术的不断发展,高分辨率遥感影像在城市规划、资源调查、农业监测等领域得到了广泛应用。
而在遥感影像处理中,不同波段图像的融合是常见的一种手段。
本文将比较三种不同的图像融合方法,并探讨它们的适用场景。
一、低通滤波和高通滤波融合低通滤波和高通滤波融合方法是常用的一种图像融合方法。
低通滤波可以保留图像的平滑部分,而高通滤波则可以提取图像的边缘信息。
将低通滤波和高通滤波融合在一起,可以同时保留图像的平滑部分和边缘信息。
该方法的具体步骤如下:1. 对原始图像进行低通滤波,得到平滑部分。
常用的低通滤波器包括高斯滤波器和均值滤波器。
2. 对原始图像进行高通滤波,得到边缘信息。
常用的高通滤波器有拉普拉斯滤波器、索伯尔滤波器和Canny边缘检测算法。
3. 将平滑部分和边缘信息合并在一起,得到融合后的图像。
该方法的优点是可以同时保留图像的平滑部分和边缘信息,适用于具有较多细节信息的图像。
但是该方法的缺点是需要进行两次滤波操作,算法复杂度较高,同时对于一些较为简单的图像,效果并不明显。
二、小波变换融合小波变换是一种将信号分解为不同频率的分量的数学方法。
利用小波变换可以对图像进行多尺度分析和重构。
在图像融合中,小波变换可以将原始图像分解为不同尺度和方向的分量,对每个分量进行融合,最终重构出融合后的图像。
该方法的具体步骤如下:1. 对原始图像进行小波变换,得到不同尺度和方向的分量。
2. 对每个分量进行融合。
常用的融合方法包括最大值融合、平均值融合和小波系数融合。
3. 将融合后的分量进行重构,得到融合后的图像。
该方法的优点是可以保留图像的多尺度和方向信息,适用于具有较大场景动态范围的图像。
但是该方法的缺点是重构时间较长,算法复杂度较高,同时需要选择合适的小波基和分解层数。
三、基于深度学习的融合方法深度学习是近年来兴起的一种人工智能技术,可以自动学习和提取图像的特征信息。
在图像融合中,利用深度学习可以通过学习大量数据来提高融合效果,具有良好的适应性和鲁棒性。
遥感图像融合定量评价方法及实验研究
Fig.4
图4图像融合定量评价界面 PrOgram interface of image fusiOn eValuatiOn
3.3.2亮度信息评价 由表l第一列信息(亮度信息)可以看出IHS
融合具有明显的优势来增加图像的亮度信息,其平 均梯度和方差有较大程度的提高,便于更好目视解 译。PCA融合在梯度上有明显的增强,但在方差上
463
圉3极限放大的图像 Fig.3 Magnified image
图像空间分辨都比多光谱波段高也即空间分辨率增 强,图像也变得更加清晰。两种融合方法相比较而言 IHS效果更好,马路两旁的绿地IHS融合后显得更 加清晰,图像整体效果较PCA融合清晰。 3.2.2光谱特征
价参数能够很好地反映遥感影像融合效果。本文即 通过此程序对遥感图像融合进行客观定量评价。融 合结果参数评价指标如表1所示。
此项评价主要是通过评价融合图像与原图像的 变形情况来判断融合效果。
依据表1的第3列结果可以得出PCA融合的 扭曲程度和偏差指数较IHS融合小,得出PCA融 合后图像变形较小,并且相关性也较大。IHS融合变 形较大因为不同数据具有不同的光谱特性曲线,尽 管用于替换明度分量1的高分辨率的全色影像j。。。 在替换前进行了影像统计特性的匹配,但是匹配误 差艿=J。。。一,导致了图像融合变形[1引,并且融合波 段仅仅为3个波段的原因。而通过定性分析无法评 价出IHS融合存在较大程度的光谱变形。
如何理解图像中的空间频率分布特征
如何理解图像中的空间频率分布特征图像是由像素点组成的二维数组,其中每个像素点都包含了图像在空间上的位置信息。
而图像的视觉特征通常可以通过对其空间频率分布进行分析来获取。
空间频率分布特征可以帮助我们了解图像中的纹理、边缘、轮廓等信息,对于图像处理、分析和识别具有重要的意义。
本文将介绍如何理解图像中的空间频率分布特征。
一、什么是空间频率分布空间频率是指图像中变化快慢的频率,也可以理解为纹理或边缘变化的密度。
在图像中存在高频率和低频率的分量,高频率表示变化剧烈的细节信息,低频率表示变化平缓的整体信息。
空间频率分布表示了图像中不同频率分量的强度分布情况。
二、傅里叶变换与空间频率傅里叶变换是将一个函数表示为不同频率正弦函数的和的方法。
在图像处理中,二维傅里叶变换可以将图像从空间域转换到频率域。
通过对图像进行傅里叶变换,可以看到图像在频率域中的分布情况,即空间频率分布。
频率域中的低频成分对应于图像的整体特征,高频成分对应于图像的细节信息。
三、空间频率滤波空间频率滤波是图像处理中常用的方法之一,通过在频率域对图像进行滤波操作,可以增强或减弱图像中的某些频率分量,从而改变图像的质量和特征。
常见的空间频率滤波器包括低通滤波器和高通滤波器,它们可以分别用于平滑图像和增强图像的细节。
四、图像纹理分析图像纹理分析是图像中空间频率分布特征的一种应用,它可以帮助我们理解图像中的纹理信息。
纹理是指图像中重复出现的局部模式,例如布纹、砖墙等。
通过对图像的空间频率分布进行分析,可以提取出图像中的纹理特征,用于图像分类、识别和合成等任务。
五、图像边缘检测图像边缘是指图像中明暗变化剧烈的位置,边缘检测是图像处理中的重要任务之一。
边缘检测可以通过对图像的空间频率分布进行分析来实现。
在频率域中,边缘对应着高频分量,因此可以通过高通滤波器来增强图像中的边缘特征。
六、应用案例:人脸识别人脸识别是图像处理中的一个经典问题,空间频率分布特征在人脸识别中发挥了重要的作用。
遥感图像分类结果评估的定量指标与定性方法
遥感图像分类结果评估的定量指标与定性方法遥感图像分类是将遥感图像中的像素点根据其特征和属性进行分类的过程。
而遥感图像分类结果的评估是非常重要的,它可以帮助我们了解分类结果的准确性和可靠性。
本文将介绍遥感图像分类结果评估的定量指标和定性方法。
一、定量指标1. 精度评价指标精度评价指标是最常用的定量评价方法之一。
常见的精度评价指标有生产者精度、用户精度、总体精度和Kappa系数。
生产者精度指标评估了分类结果中被正确分类的样本所占的比例。
它可以帮助我们了解分类结果的可信度。
用户精度指标评估了分类结果中被错误分类的样本所占的比例。
它可以帮助我们了解分类结果中的错误分类情况。
总体精度是衡量分类结果准确性的重要指标。
它可以帮助我们了解分类结果的整体准确性。
Kappa系数是衡量分类结果与随机分类结果之间一致性的指标。
它可以帮助我们了解分类结果与随机分类结果的差异。
2. 信息评价指标信息评价指标是衡量分类结果信息量的指标。
常见的信息评价指标有信息熵、互信息和综合分类信息量指标。
信息熵反映了分类结果的信息不确定性。
它可以帮助我们了解分类结果的不确定性程度。
互信息衡量了分类结果与真实分类之间的相似程度。
它可以帮助我们了解分类结果与真实分类之间的差异。
综合分类信息量指标综合了信息熵和互信息指标,用于评估分类结果的信息量。
二、定性方法1. 可视化分析可视化分析是对分类结果进行目视分析的方法。
通过将分类结果与原始遥感图像进行对比,我们可以直观地了解分类结果的准确性。
2. 空间一致性分析空间一致性分析是评估分类结果空间连续性的方法。
通过对分类结果进行空间统计和空间分布分析,我们可以评估分类结果的空间一致性。
3. 统计分析统计分析是对分类结果进行统计学处理的方法。
通过计算分类结果的均值、方差、标准差等统计量,我们可以评估分类结果的稳定性和一致性。
4. 专家判断专家判断是一种主观评价的方法。
通过请相关领域的专家对分类结果进行评估和判断,我们可以得到有关分类结果的专业意见和建议。
频率域融合
频率域融合一、引言在信号处理和图像处理领域,频率域融合是一种常用的技术,用于将多个信号或图像在频率域中进行合并,以实现特定的处理目标。
频率域融合通过将原始信号或图像进行傅里叶变换,将其从时域转换到频域,然后在频域中进行操作,以达到改善信号质量、增强图像细节或实现其他处理目标的效果。
本文将详细介绍频率域融合的基本原理、方法及其应用。
二、频率域融合的基本原理频率域融合基于傅里叶变换的原理,将信号或图像从时域转换到频域,并在频域中进行处理。
傅里叶变换是一种将信号从时域表示转换为其频域表示的数学工具。
通过傅里叶变换,我们可以将信号或图像分解成不同的频率分量,从而更好地理解其内在的频率特性。
在频率域融合中,我们通常将输入信号或图像进行傅里叶变换,然后将变换后的频谱进行叠加或根据某种规则进行组合。
叠加的方式可以是简单的相加、相减、加权等,具体方式取决于处理目标和实际情况。
通过对频谱进行融合,我们可以在频率域中对信号或图像进行优化或改变其特性,以满足特定的需求。
三、频率域融合的方法1.加权平均法:加权平均法是最简单的频率域融合方法之一。
它通过对不同输入信号或图像的频谱进行加权平均,实现频谱的平滑和噪声抑制。
加权平均法适用于对信号或图像进行平滑处理,以提高信噪比。
2.基于规则的融合法:基于规则的融合法是一种更复杂的频率域融合方法。
它根据特定的规则对输入信号或图像的频谱进行组合,以达到改善信号质量或增强图像细节的目的。
具体的规则取决于处理目标和实际需求,可以是对不同频谱进行加权、提取特定频率成分、进行频谱变换等。
3.基于学习的融合法:基于学习的融合法是近年来发展起来的一种方法。
它利用机器学习算法对大量数据进行学习,从而自动确定最佳的融合规则。
基于学习的融合法适用于复杂环境和多样化应用场景,可以有效地提高融合性能和自动化水平。
四、频率域融合的应用1.信号处理:在信号处理领域,频率域融合被广泛应用于改善信号质量、提高信噪比和降低干扰等方面。
频率域图像处理
基于频谱的图像识别算法
基于频谱的特征匹配算法
基于频谱的聚类算法
通过将待识别图像的频谱与已知频谱 库进行匹配,实现图像识别。
通过将待识别图像的频谱特征进行聚 类分析,实现图像识别。
基于频谱的分类算法
通过将待识别图像的频谱特征输入到 分类器中进行分类,实现图像识别。
在频率域中,图像的频 率特征可以被提取和操 作,从而实现图像增强 、噪声去除、特征提取 等任务。
傅立叶变换通过将图像 表示为一系列不同频率 的正弦和余弦函数的和 ,将图像的时域信息转 换为频域信息。
在频域中,可以使用各 种滤波器对图像进行滤 波处理,以实现图像的 平滑、锐化、边缘检测 等效果。
频谱分析
04
频率域图像压缩
离散余弦变换(DCT)
总结词
离散余弦变换是一种将图像从空间域转换到频率域的算法,广泛应用于图像压缩 领域。
详细描述
通过将图像的像素值进行余弦函数变换,将图像数据从空间域转换到频率域。在 频率域中,图像的能量主要集中在少数几个变换系数上,这些系数代表了图像的 主要特征。通过去除低频系数并量化高频系数,可以实现图像的压缩。
滤波器设计
滤波器是频率域图像处理中的重要工 具,它可以用于提取或抑制图像中的 特定频率分量。
滤波器的设计可以通过傅立叶变换和 频谱分析等方法来实现,常用的滤波 器包括低通滤波器、高通滤波器、带 通滤波器和陷波滤波器等。
滤波器设计是频率域图像处理中的一 个关键步骤,需要根据具体的应用需 求和图像特征来设计合适的滤波器。
小波变换
总结词
小波变换是一种时间和频率的局部化分析方法,用于图像压缩领域。
详细描述
融合图像的频率定量分析及其空间分辨率的确定方法
融合图像的频率定量分析及其空间分辨率的确定方法段伟;闫利【摘要】图像融合是获取高质量图像的重要步骤之一,本文首先在频城中进行公式推导,根据高采样率奈奎斯特频率、低采样率奈奎斯特频率和信号频率三者之间的关系给出了图像融合前后信号频率的变化规律,然后以此为依据对融合图像的频率进行定量分析并确定图像空间分辨率,研究认为高分辨率图像中频率位于高采样率奈奎斯特频率和低采样率奈奎斯特频率之间的频率信息为高频信息.最后结合常用的融合方法和遥感图像对本文提出的观点进行验证,试验结果表明本文得到的结论与试验中的结果是符合的.【期刊名称】《测绘学报》【年(卷),期】2016(045)006【总页数】7页(P691-697)【关键词】图像融合;信号频率;分辨率;地物频率;傅里叶变换;奈奎斯特频率【作者】段伟;闫利【作者单位】武汉大学测绘学院,湖北武汉430079;武汉大学测绘学院,湖北武汉430079【正文语种】中文【中图分类】P237遥感图像融合是将不同传感器对同一目标的图像经过一定的处理方式最终综合成一幅图像的技术,同时也可以看作是一幅图像在保留自身有用信息的基础上加入了新的有用信息,其中最典型的应用就是遥感影像中全色图像与多光谱图像的融合,融合后的图像能更加准确和全面地描述所研究的对象[1]。
图像融合的方法众多,不同的融合方法得到的融合效果也各不相同[2-3]。
图像融合方法可以分为像素级、特征级和决策级3种类型,这其中像素级的融合方法适应性最强,也是最常用的融合方法,本文中重点讨论像素级的融合方法。
像素级的融合方法一般都需要将低分辨率图像进行重采样,使低分辨率图像与高分辨率图像有相同的尺寸大小。
像素级的融合方法可以根据其融合的思路进一步分为3类,基于成分替换的融合方法[4-5]、基于模型的融合方法[6-9]和基于多分辨率分析的融合方法[10-11]。
不过虽然融合的思路有差异,但最终融合的效果一般都是将高频信息作为新加入的有用信息采用一定的融合方法与低分辨率图像融合在一起[12-13]。
基于可控滤波器和空间频率的图像融合算法
基于可控滤波器和空间频率的图像融合算法郭峰;杨静;史健芳【摘要】A multi-focus image fusion algorithm based on steerable filters and spatial frequency was proposed by researching of the pixel-level image fusion.Steerable filters were used to filter the original image to obtain the oriented analytic image in diffe-rent directions.To obtain the oriented analytic spatial frequency map,the local spatial frequency of each oriented analytic image was calculated and compared.The fusion result image was generated with pixels which were selected form original images ac-cording to the fusion rule.Experimental results show that,compared with the results of other fusion algorithms,the proposed algorithm has certain advantages in the subj ective evaluation and obj ective evaluation indicators.%对像素级图像融合进行研究,提出一种基于可控滤波器和空间频率的多聚焦图像融合算法。
利用可控滤波器处理源图像,得到源图像在不同方向上的解析图像,计算并比较方向解析图像的局部空间频率,得到源图像的方向解析空间频率谱,通过融合规则选取源图像中的像素构成融合图像。
基于小波变换的图像数据融合方法
基于小波变换的图像数据融合方法
孙辉
【期刊名称】《光学精密工程》
【年(卷),期】2000(008)006
【摘要】提出一种基于小波变换的图像数据融合方法。
原始图像经过小波变换,分解成亮度子图像和边缘子图像,对分解后的子图像进行分块处理,根据局部区域方差准则计算融合系数,对每个子块图像进行数据融合,最后重建图像。
实验结果表明,本文方法具有很好的一致性。
【总页数】3页(P551-553)
【作者】孙辉
【作者单位】中国科学院长春光学精密机械与物理研究所,吉林,长春,130021【正文语种】中文
【中图分类】TN911.74
【相关文献】
1.一种基于小波变换和数据融合降噪的图像边缘检测方法 [J], 罗婷
2.基于数据融合及小波变换的医学超声图像去噪方法 [J], 郭敏;马远良;朱霆
3.基于小波变换的多源图像数据融合与边缘检测方法 [J], 夏庆观;陈桂;盛党红
4.基于小波变换和数据融合技术的图像降噪方法 [J], 胡玉平;余胜生;周敬利;韩德志
5.一种基于数据融合和小波变换的图像边缘检测方法 [J], 吴秀清;徐云翔;周蓉
因版权原因,仅展示原文概要,查看原文内容请购买。
融合空间域和频率域信息的图像去模糊
融合空间域和频率域信息的图像去模糊
邢艳;陈晓璐;徐启奥;黄睿
【期刊名称】《计算机系统应用》
【年(卷),期】2024(33)2
【摘要】现有的图像去模糊方法通常直接采用图像的空间域或频率域信息恢复清晰图像,忽略了空间域信息和频率域信息的互补性.利用图像的空间域信息可以有效地恢复物体结构,而利用图像的频率域信息可以有效地恢复纹理细节.本文提出了一种简单、有效的图像去模糊框架,可以充分利用图像的空间域和频率域信息,产生高质量的清晰图像.首先采用两个结构相同但独立的网络分别从图像的空间域和频率域中学习模糊图像到清晰图像的映射关系;然后使用一个单独的融合网络,充分融合空间域和频率域的图像信息,进一步提升清晰图像的质量.3个网络链接形成一个端到端的、可学习的大网络,不同网络之间相互影响,通过联合优化最终得到高质量的清晰图像.在公共图像去模糊数据集GoPro、Kohler以及RWBI上,本文方法的峰值信噪比、结构相似度、平均绝对误差3个指标都优于9个先进的图像去模糊方法.大量的实验结果验证了本文提出的融合空间域和频率域信息的图像去模糊方法的有效性.
【总页数】12页(P1-12)
【作者】邢艳;陈晓璐;徐启奥;黄睿
【作者单位】中国民航大学安全科学与工程学院;中国民航大学计算机科学与技术学院
【正文语种】中文
【中图分类】TP3
【相关文献】
1.空间域和频率域相结合的图像水印研究
2.一种基于频率域和空间域相结合的图像增强方法
3.基于散斑图像梯度域的数字图像相关盲去模糊方法
4.基于空间域和频率域特征融合的场景文本识别
5.空间域与频率域相结合的抗图像处理全息水印
因版权原因,仅展示原文概要,查看原文内容请购买。
基于方向性对比度金字塔的图像融合方法
基于方向性对比度金字塔的图像融合方法
刘斌;董迪;陈俊霖
【期刊名称】《量子电子学报》
【年(卷),期】2017(34)4
【摘要】基于对比度塔形分解(CP)的图像融合方法具有良好的物理意义,却没有强调方向性的不足,为此提出了一种具有方向性的对比度金字塔图像融合方法。
对多聚焦图像进行对比度塔形分解,利用方向滤波器组对高频加方向,得到不同方向的高频子分量。
根据不同频率域特点,采用低频分量系数取加权平均、高频分量系数绝对值取大的融合规则,对分解后的子图像进行融合。
结果表明:用提出方法得到的融合图像有较高的清晰度和空间分辨率。
与基于CP和基于离散小波变换(DWT)的融合方法相比,提出的方法既能保持对比度的含义,又可提供2~n个方向信息。
【总页数】9页(P405-413)
【关键词】图像处理;图像融合;对比度塔形分解;方向滤波器组
【作者】刘斌;董迪;陈俊霖
【作者单位】湖北大学计算机与信息工程学院;武汉工程大学电气信息学院
【正文语种】中文
【中图分类】TP391.4
【相关文献】
1.基于NSST域方向性加权的多聚焦图像融合方法 [J], 刘健;程英蕾;聂玉泽
2.基于对比度金字塔图像融合的自发笑脸识别 [J], 夏海英;喻潇琪
3.基于对比度金字塔的图像融合算法研究 [J], 肖雪梅
4.对拉普拉斯金字塔和对比度金字塔图像融合方法的性能比较 [J], 玉振明;高飞
5.基于对比度金字塔与双边滤波的非对称红外与可见光图像融合 [J], 杨九章;刘炜剑;程阳
因版权原因,仅展示原文概要,查看原文内容请购买。
遥感图像融合质量评价方法
遥感图像融合质量评价方法武坚李崇伟王积武李相全(68011部队甘肃兰州 730020)摘要:图像融合可为摄影测量与遥感提供高质量的遥感融合图像。
遥感融合图像质量如何是图像使用者关心的一个重要问题。
本文运用主观评价、客观评价、几何质量等三种评价方法对融合后的遥感图像的质量展开讨论。
实践表明这些评价方法能够保证融合后图像高质量地应用于摄影测量与遥感生产。
关键词:主观评价客观评价几何质量质量评价1.前言摄影测量与遥感[1]是以数字影像为基础,来确定被摄物体的形状、大小、空间位置及其性质。
遥感图像是摄影测量与遥感最原始、最基本的资料。
高质量的遥感图像是完成摄影测量与遥感的基础。
遥感影像融合[2]是将多传感器、多时相、多光谱和多分辨率影像的各自局部优势信息整合处理,以提供高分辨率、多光谱的单一图像,解决遥感影像解译过程中信息不足的问题。
由此看出,图像融合可以为摄影测量与遥感提供高质量的遥感影像。
2.图像融合的评价方法当前对融合后图像的质量评价主要是主观目视与统计相关信息参数相结合的办法,即:利用目视效果和信息熵、清晰度、平均梯度、偏差指数、均方根误差等参数统计分析,而对融合后图像的几何量测性则关注较少。
对于摄影测量与遥感应用,几何精度是一个很重要的因素。
本文结合摄影测量与遥感应用角度,来对分析融合后图像的质量做出评价。
站在通用图像处理角度,目前大多数对影像质量评价分为主观评价和客观评价,并结合起来使用。
主观评价是通过目视观察进行分析,客观评价是利用图像的统计参数进行判定。
严格意义上讲,融合图像的主客观评价应该是一致的,即图像的统计参数特征应该符合人眼的目视感觉。
但由于遥感图像融合具有特殊性,它不仅仅要求提高融合图像的空间分辨率,而且要尽可能制约[2]。
因此,对遥感融合图像的质量评价,应综合考虑空间细节的增强和光谱保持原始图像的光谱特征。
此外,这两个要求在很大程度上是不太相容,相互信息的保持两个方面,利用图像的统计参数结合目视观察来分析与评价。
一种新的基于小波对比度的图像融合算法
一种新的基于小波对比度的图像融合算法
杨志;毛士艺;陈炜
【期刊名称】《系统工程与电子技术》
【年(卷),期】2005(027)002
【摘要】改进了局部小波对比度的定义.基于新的对比度的融合过程,选择系数时针对融合图像的视觉重要性,而不是孤立地在单幅源图像上计算的视觉重要性,因而对于融合图像更加有意义.图像融合过程采用了"选择"和"加权平均"混合的系数选择规则,在充分保留显著图像细节信息的前提下,进一步增强了算法的稳定性.仿真结果及客观分析表明,基于改进小波对比度的图像融合算法能具有明显的提高.
【总页数】4页(P209-211,274)
【作者】杨志;毛士艺;陈炜
【作者单位】北京航空航天大学电子信息工程学院,北京,100083;北京航空航天大学电子信息工程学院,北京,100083;北京航空航天大学电子信息工程学院,北
京,100083
【正文语种】中文
【中图分类】TP391
【相关文献】
1.基于对比度的小波图像融合算法研究 [J], 王世立
2.基于边缘和对比度的小波变换图像融合算法 [J], 孙文华
3.一种自适应的小波方向对比度图像融合算法 [J], 冯德宁;王琰
4.基于对比度增强与小波变换相结合的红外与可见光图像融合算法 [J], 涂一枝;郭立强
5.基于区域能量和对比度的小波图像融合算法研究 [J], 王世立
因版权原因,仅展示原文概要,查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
摘 要:图像融合是获取高质量图像的重要步骤之一,本文首先在频域 中 进 行 公 式 推 导,根 据 高 采 样 率 奈奎斯特频率、低采样率奈奎斯特频率和信号频率三者之间的关系给出了 图 像 融 合 前 后 信 号 频 率 的 变 化规律,然后以此为依据对融合图像的频率进行定量分析并确定图像空间分辨率 ,研究认为高分辨率图 像中频率位于高采样率奈奎斯特频率和低采样率奈奎斯特频率之间的频率信息为高频信息。最后结合 常用的融合方法和遥感图像对本文提出的观点进行验证,试验结果表明本 文 得 到 的 结 论 与 试 验 中 的 结 果是符合的。 关 键 词 :图 像 融 合 ;信 号 频 率 ;分 辨 率 ;地 物 频 率 ;傅 里 叶 变 换 ;奈 奎 斯 特 频 率 中 图 分 类 号 :P237 文 献 标 识 码 :A 文 章 编 号 :1001-1595(2016)06-0691-07 基 金 项 目 :国 家 科 技 支 撑 计 划 (2012BAJ23B03)
融合图像的频率定量分析及其空间分辨率的确定方法
段 伟 ,闫 利
武汉大学测绘学院,湖北 武汉 430079
Quantitative Analysis in Frequency Domain and Determination of Spatial Resolution in Image Fusion
不同的融合方法 使 用 的 叠 加 方 法 也 不 同,这 里 用
下式表示融合的过程
G=MM+Ng1(x)+MN+Ng2(x) (2)
式中, M 、 N 分别表示归一化后高采样率 M +N M +N
信号和低采样率信号对应的系数。不同以发现,融
合之后高采样率和低采样率得到的信号幅度相对
DUAN Wei,YAN Li
School of Geodesy and Geomatics,Wuhan University,Wuhan 430079,China
Abstract:Image fusion is one of the important steps to obtain high quality images.In this paper,the variation of signal frequency in image fusion is given according to the relationship between Nyquist frequency of high sampling rate,Nyquist frequency of low sampling rate and signal frequency.Then the frequency of the fused images is quantifying and the spatial resolution of the image is determined based on the the variation of signal frequency in image fusion.The high frequency information in the high resolution image is the information with the frequency between the Nyquist frequency of high sampling rate and the Nyquist frequency of low sampling rate.Finally,some fusion methods and remote sensing images are used to validate the proposed method.The experimental results show that the results obtained are consistent with the results of the experiment. Key words:image fusion;signal frequency;resolution;object frequency;Fourier transform;Nyquist frequency Foundation support:The National Key Technology Research and Development Program of the Ministry of Science and Technology of China(No2.012BAJ23B03)
692
June 2016 Vol.45 No.6 AGCS
http:∥xb.sinomaps.com
法[4-5]、基 于 模 型 的 融 合 方 法 和 [6-9] 基 于 多 分 辨 率 分析的 融 合 方 法 。 [10-11] 不 过 虽 然 融 合 的 思 路 有 差异,但最终融合 的 效 果 一 般 都 是 将 高 频 信 息 作 为新加入的有用信息采用一定的融合方法与低分 辨率图 像 融 合 在 一 起 。 [12-13] 这 其 中 对 图 像 中 的 地物频率进行分析以及定量的确定高频信息是能 否得到高质量融 合 图 像 的 重 要 步 骤,同 时 图 像 信 号频率与图像分 辨 率 之 间 有 很 重 要 的 联 系,在 用 不同分辨率的图 像 融 合 时,需 要 定 量 的 确 定 融 合 前后图像 中 的 分 辨 率 从 而 能 够 达 到 最 好 的 融 合 效果。
于融合之前会有所降低。
因为信号频率的2 倍 2f、高 采 样 率 F1 和 低 采样率 F2 三者之间 的 关 系 对 融 合 后 的 频 率 有 很 重要 的 影 响,下 面 分 为 2f <F2、F2 <2f <F1、 F1<2f进 行 讨 论 。
当2f<F2 时,根据采样定 律,高 采 样 率 和 低 采样率都能获取信号 频 率,则 g1(x)和 g2(x)可 以分别表示为
目前,人们关 注 比 较 多 的 问 题 是 图 像 融 合 的 方法和图像融合 后 的 图 像 质 量,而 对 融 合 图 像 中 地物频率的变化研究较少。本文结合多种图像融 合的方法首先从水平方向对图像融合前后频率的 变化进行了分析 和 公 式 推 导,然 后 将 其 扩 展 到 二 维,给出了不同分 辨 率 图 像 进 行 图 像 融 合 后 频 率 的变化规律,最后 结 合 遥 感 图 像 对 本 文 中 的 结 论 进行了验证。
第6期
段 伟 ,等 :融 合 图 像 的 频 率 定 量 分 析 及 其 空 间 分 辨 率 的 确 定 方 法
693
高采样率往往存 在 倍 数 关 系,这 种 倍 数 关 系 对 最
终的信号频率有 一 定 的 影 响,这 种 影 响 主 要 体 现
(6)
( ) g2(x)=Asin
2πfx F2 +φ
(7)
式中,x 为正整数,公式(7)可以进一步表示为
( ) g2(x)=Asin 2πf-Fn2F2x+φ
(8)
式中,n 为整数;x 为正整数。对于 低 采 样 率 得 到
的 信 号 ,由 于 不 能 准 确 获 取 信 号 频 率 ,可 以 看 作 是
重采样的过 程。 根 据 奈 奎 斯 特 定 理,需 要 离 散 系
统的奈奎斯特频率高于被采样信号的最高频率或
带宽,才能避 免 混 叠 现 象。 本 文 中 根 据 高 采 样 率
奈奎斯特频率、低 采 样 率 奈 奎 斯 特 频 率 和 信 号 频
率三者之间的关系进行分类讨论。
设正弦信号的表达式为
F(x)=Asin(2πfx+φ)
当 F1<2f 时,高 采 样 率 和 低 采 样 率 均 不 能 准 确 获 得 信 号 频 率 ,则 融 合 后 的 表 达 式 为
G=MM+NAsin(2π f-n1F1 x+φ)+
MN+NAsin(2π f-n2F2 x+φ) (11) 式中,n1、n2 为整数,f≠F1 且 满 足 f-n1F1 < 2f 及 f-n2F2 <2f。 在 融 合 时,低 采 样 率 和
第 45 卷 第 6 期
20 16 年 6 月
测 绘 学 报 Acta Geodaetica et Cartographica Sinica
Vol.45,No.6 June,2016
引文格式:段伟,闫利.融合图 像 的 频 率 定 量 分 析 及 其 空 间 分 辨 率 的 确 定 方 法 [J].测 绘 学 报,2016,45(6):691-697.DOI:10.11947/j. AGCS.2016.20150146. DUAN Wei,YAN Li.Quantitative Analysis in Frequency Domain and Determination of Spatial Resolution in Image Fusion[J]. Acta Geodaetica et Cartographica Sinica,2016,45(6):691-697.DOI:10.11947/j.AGCS.2016.20150146.
(1)
式中,A 为振 幅;f 为 频 率;φ 为 相 位。 图 像 融 合
中使用不同采样 率 对 信 号 进 行 采 样,设 高 采 样 率
为 F1,低 采 样 率 为 F2,高 采 样 率 得 到 的 信 号 为 g1(x),低采样率得到的 信 号 为 g2(x),融 合 的 过 程可以看作是两种不同采样率得到信号的叠加,
图像融合的方 法 众 多,不 同 的 融 合 方 法 得 到
的融合效果 也 各 不 相 同 。 [2-3] 图 像 融 合 方 法 可 以 分 为 像 素 级 、特 征 级 和 决 策 级 3 种 类 型 ,这 其 中 像 素级的融合方法 适 应 性 最 强,也 是 最 常 用 的 融 合 方法,本文中 重 点 讨 论 像 素 级 的 融 合 方 法。 像 素 级的融合方法一般都需要将低分辨率图像进行重 采样,使低分辨率 图 像 与 高 分 辨 率 图 像 有 相 同 的 尺寸大小。像素级的融合方法可以根据其融合的 思路 进 一 步 分 为 3 类,基 于 成 分 替 换 的 融 合 方