提出了一种分级多尺度融合的水下偏振图像处理方法.首先，利用非负矩阵分解对偏振参量图像进行融合增强，得到所含局部特征信息完整且冗余度低的偏振参量融合图像；在此基础上，基于二维经验模式分解分别将偏振参量融合图像与偏振强度图像进行多尺度变换，对得到的高低频子图像分别进行加权平均融合，融合权重是采用穷举搜索法计算得到；最后，将高低频融合结果反变换得到最终融合图像.实验仿真结果表明该融合方法在增强图像细节信息及提高水下偏振图像对比度方面具有显著效果.
偏振成像 偏振参数计算 图像融合 非负矩阵分解 二维经验模式分解 穷举搜索法 水下目标检测 Polarization imaging Polarization parameter calculation Image fusion Non-negative matrix factorization Two-dimensional empirical mode decomposition Exhaustive search method Underwater targets detection
1 南京理工大学电子工程与光电技术学院, 江苏 南京 210094
2 北方激光科技集团有限公司, 江苏 扬州 225000
为改进红外与微光 /可见光的图像融合效果, 在对二维经验模式分解及图像区域分割研究的基础上, 提出了一种基于区域的二维经验模式分解的图像融合算法。利用此算法对红外图像与微光 /可见光图像进行融合, 先将源图像分别进行二维经验模式分解, 再对残余图像进行加权融合, 而后用模糊 C均值聚类的方法对融合后的残余图像进行区域分割, 将此分割结果映射到各层本征模式函数图像上, 随后运用一定的区域融合准则将各层图像融合, 最后再重构出融合图像。对仿真实验结果使用客观评价的方法进行评价, 评价结果表明, 该算法能够提升融合图像中的信息量以及凸显图像细节, 较其它传统算法具有一定的优势。
图像融合 二维经验模式分解 模糊 C均值聚类 区域分割 image fusion bidimensional empirical mode decomposition fuzzy c-means region segmentation
宁波大学信息科学与工程系, 浙江宁波 315211
本文针对高斯模糊失真的立体图像, 提出了一种基于二维经验模式分解的无参考质量评价方法。该方法先通过二维经验模式分解将图像分解成内蕴模式函数分量和残差图像, 再对每个内蕴模式函数分量提取它的统计信息量(均值, 方差和信息熵), 并结合广义高斯分布方法提取每个内蕴模式函数分量的形状参数、尺度参数作为图像的特征信息, 然后利用支持向量回归模型对特征进行融合并预测得到立体图像质量的客观评价值。实验结果表明, 该模型与主观评价结果有较好的相关性, 符合人眼视觉系统。
无参考质量评价 二维经验模式分解 广义高斯分布 支持向量回归 no-reference quality assessment bidimensional empirical mode decomposition generalized Gaussian distribution support vector regression
1 海军大连舰艇学院航海系, 辽宁 大连 116018
2 海军大连舰艇学院军事海洋系, 辽宁 大连 116018
海面及天空区域的视频图像局部或全局极值点匮乏, 传统的二维经验模式分解 (BEMD)失效。本文分析了 BEMD的频率特性, 给出了高频辅助信号的构造方法, 将高频辅助信号加入原视频图像信号, 分解得到的内蕴模式分量(IMC)减去 IMC的辅助信号, 得到原信号的最接近辅助信号的频率分量。以此类推, 分解可得到原信号的不同频率分量。这种基于辅助信号的经验模式分解 (ASBEMD), 解决了局部或全局极值点匮乏的海上视频图像的分解问题, 并应用于海上降质图像的增强处理, 取得了与目前公认去雾效果较好的 HE算法一致的结果。
二维经验模式分解 辅助信号经验模式分解 去雾 海上图像 bi-dimensional empirical mode decomposition assisted signal empirical mode decomposition defogging maritime image
