暂无评论
本文阐述了多焦点图像融合的理论和方法基于脉冲耦合神经网络(PCNN)的算法。 我们的方法是分割的源图像成不同的块并选择合理的图像质量评价标准,计算和归一化每个块的索引值,通过将它们的指标值之间的差值减
针对多聚焦图像在融合时容易产生边缘模糊现象并损失清晰区域对比度的缺点,基于能有效描述图像边缘的Ripplet变换(RT),提出一种改进的多聚焦图像融合方法。首先,通过离散RT(type-I)获得分解后
为提高多聚焦和医学图像融合的性能，提出了一种基于Shearlet变换的新型图像融合算法。与小波变换类似，Shearlet具有简单的数学结构，这使其可以很方便地和多分辨分析关联起来。在对一幅图像作She
基于自适应阈值时间常数的PCNN的自动图像分割
针对NSCT变换分解得到的各个方向子带稀疏度不同的问题,文中提出了1种基于改进的CS_NSCT图像融合方法。首先对待融合图像进行NSCT分解,接着对得到的高频分量采用自适应的压缩感知方法进行压缩,并在
对于彩色视频的目标跟踪，传统基于相关滤波的跟踪方法没有利用视频帧的颜色信息。针对该问题在相关跟踪框架下提出了一种融合颜色特征的尺度自适应目标跟踪方法。该方法将HSV三个通道归一化后作为目标的颜色特征，
针对红外图像对比度低、噪声大等特点,提出一种基于改进的直方图均衡化和NSCT变换(nonsubsampledcontourlettransform)相结合的的红外图像增强方法。首先对红外图像进行NSC
由于I分量的强制性直接替换会造成传统的IHS变换融合方法的融合图像光谱失真,为解决这一问题引入加权平均算子和高通滤波算子,对IHS变换融合方法进行改进。实验结果表明,改进后的方法不但有效抑制了光谱退化
针对现有的红外与可见光图像融合算法存在融合图像的对比度与清晰度降低和细节纹理信息丢失等问题,提出将鲁棒主成分分析(RPCA)、压缩感知(CS)和非下采样轮廓波变换(NSCT)相结合的融合算法。首先对两
[17] G. Piella. A general framework of multiresolution image fusion: From pixel to regions[J]. Infor
暂无评论