使用分数微分和NSCT的聚焦测量进行多聚焦图像融合
基于小波变换的Contourlet 变换(WBCT) 是一种非冗余的多尺度几何分析变换, 比Contourlet 变换具有更好 的信息挖掘能力. 因此将WBCT应用于图像融合领域, 能更好地提取图像边
近年来图像融合技术在图像处理领域中得到了广泛的重视和应用。最早提出的像素算术平均的图像数据融合方法忽略了像素间的相互关系,使得融合后的图像对比度很差,为了提高目标检测的分辨率,抑制每个传感器的检测噪声
基于均值坐标的图像融合算法思想
基于小波变换的图像融合算法 并用MATLAB方针实现该算法
针对近年在对多聚焦图像融合领域中存在图像融合效果好的方法运算量大、实现起来复杂的问题,在传统的像素级分块融合方法和数学微分中逼近原理的启发下,提出了多聚焦图像在像素级分块逼近的图像融合方法。实验结果表
结合粒子群优化算法和遗传算法中的交叉与选择操作,提出了一种混合算法,对提出的混合算法用两个具有多个局部极值的函数进行了测试,测试结果表明混合算法寻优能力优于粒子群优化算法；利用该混合算法对低分辨率图像
采用一种新的基于粗糙集理论的图像分割算法。通过提取直方图的外层,以及计算像素点周围的局部模糊程度来更新粗糙度。使用局部模糊粗糙度和待定算子来更新FCM算法中的隶属度函数。从粗糙集理论意义上来说,直方图
针对多聚焦图像融合中聚焦物体边缘衔接处产生伪影的问题,提出一种基于非下采样Contourlet变换(NSCT)与引导滤波的多聚焦图像融合算法。该算法对多聚焦图像进行NSCT分解后,利用基于边缘的加权融
用contourlet变换对多聚焦图像进行融合处理,效果比较满意。
