提出了基于非下采样Shearlet变换和加权非负矩阵分解的红外热波图像融合方法.红外热波序列图像经非下采样Shearlet变换后,采用动态加权非负矩阵分解算法对低频系数进行融合处理.该算法的加权系数依据图像像素突变度动态调整,以突出红外热波图像的缺陷区域;高频系数则采取基于区域改进拉普拉斯能量和的融合策略,以保持缺陷的边缘细节.实验结果表明,本文方法在主观视觉效果及边缘保持度、相关度、运行时间三种客观定量评价指标中,融合性能更优,具有快速、有效等优点,能更完整和清晰地保持红外热波图像的边缘轮廓.该方法可有效地应用于多幅红外热波序列图像的融合中,在红外热波无损检测领域具有较高的实用价值.

为了尽可能地保留全色图像的空间信息和多光谱图像的光谱信息，提出了一种基于改进梯度投影非负矩阵分解和复Contourlet变换的遥感图像融合方法.首先，以多光谱图像的强度分量图像为标准，对全色图像做直方图匹配，得到新的全色图像；然后，利用复Contourlet变换分别分解多光谱图像的强度分量图像和新的全色图像，得到各自对应的低频分量和高频分量；接着，对两幅低频分量图像采用改进梯度投影的非负矩阵分解作为融合规则获取新的低频分量，并对两幅高频分量图像使用系数绝对值较大法获取新的高频分量；最后，通过逆复Contourlet变换和逆色调-饱和度-强度变换获得融合后的图像.大量实验结果表明，与HSI方法、NMF与无下采样Contourlet变换结合的方法以及提升小波变换与HSI结合的方法相比，本文方法获得的融合图像具有更高的空间分辨率和更多的光谱信息.

针对数字全息再现像存在的散斑噪声干扰严重、对比度低等问题，提出了基于散斑去噪各向异性扩散(SRAD)模型及非下采样Contourlet变换(NSCT)的数字全息再现像像质改善方法。采用SRAD模型消除再现像中的散斑噪声，然后进行NSCT分解，产生一个低频子带和若干高频子带。基于非线性增益函数和图像分割方法调整低频子带系数，并利用改进的NSCT模极大值法对高频子带进行边缘增强。大量实验结果表明，与近年来提出的非线性扩散去噪方法及NSCT增强方法相比，所提出的方法能更有效地消除散斑噪声、提升再现像的对比度，并得到光滑清晰的边缘，从而提高后续数字全息识别与测量的准确度。

对数字全息再现像存在对比度低、边缘纹理不清晰、含散斑噪声等问题，提出了基于均匀搜索粒子群优化的Contourlet域数字全息再现像自适应增强方法。利用中值滤波算法抑制再现像中的散斑噪声，经Contourlet分解后，对带通方向子带利用非线性增益函数进行边缘增强；低通子带系数的调整则依据基于灰度级变换和局部均值的增益函数，其中灰度级变换使图像暗区扩展，利用均匀搜索粒子群优化搜寻待定参数，适应度函数兼顾了图像的对比度、清晰度及峰值信噪比。大量实验结果表明，与现有的三种增强方法相比，该方法能更有效地提高数字全息再现像的对比度和清晰度，突出边缘纹理并抑制散斑噪声，提高数字全息术测量的准确度。