武汉工程大学智能机器人湖北省重点实验室, 武汉 430000
针对遥感地物图像具有背景复杂且种类众多的特点, 利用传统算法进行分割会导致边缘模糊、信息丢失及分割精度低的问题, 提出了一种基于改进DeepLabV3+网络的语义分割算法。首先, 在主干网络中引入改进后的特征提取网络CHRNet; 其次, 使用非下采样轮廓波变换(NSCT)算法重构空洞空间金字塔池化(ASPP)模块中的全局池化操作; 最后, 在模型编码和解码阶段添加无参数的注意力机制SimAM, 加强模块间的特征传递, 提高特征利用率。实验表明, 在PASCAL VOC2012和WHDLD数据集上, 改进算法的平均交并比(MIoU)分别达到了81.56%和64.2%, 较原有算法分别提升了约4.61和2.8个百分点, 改进算法在保证分割速率的同时, 提升了分割精度。
遥感图像 非下采样轮廓波变换 空洞空间金字塔池化 注意力机制 remote sensing image DeepLabV3+ DeepLabV3+ Non-Subsampled Contourlet Transform Atrous Spatial Pyramid Pooling attention mechanism
传统红外与可见光融合图像在复杂环境下存在细节缺失, 特征单一导致目标模糊等问题, 本文提出一种基于卷积神经网络结合非下采样轮廓波变换(non-subsampled contourlet transform, NSCT)的红外与可见光图像进行融合的方法。首先, 通过卷积神经网络提取红外与可见光目标特征信息, 同时利用 NSCT对源图像进行多尺度分解, 得到源图像的高频系数与低频系数; 其次, 结合目标特征图利用自适应模糊逻辑与局部方差对比度分别对源图像高频子带与低频子带进行融合; 最后, 通过逆 NSCT变换得到融合图像并与其他 5种传统算法进行对比; 实验结果表明, 本文方法在多个客观评价指标上均有所提高。
图像融合 卷积神经网络 非下采样轮廓波变换 模糊逻辑 image fusion, convolutional neural network, NSCT,
兰州交通大学电子与信息工程学院, 甘肃 兰州 730070
针对医学图像融合过程中出现的细节损失严重、视觉效果不佳问题,提出了一种基于非下采样轮廓波变换(NSCT)与离散小波变换(DWT)的脉冲耦合神经网络(PCNN)医学图像融合算法。首先,利用NSCT处理医学源图像,得到相应的低频和高频子带,并利用DWT对得到的低频子带进行处理。然后,利用PCNN对低频子带进行融合,将平均梯度和改进型拉普拉斯能量和作为PCNN的输入项,将信息熵与匹配度结合实现对高频子的融合。最后,利用多尺度逆变换将低频子带和高频子带图像进行融合。实验结果表明,所提方法能够有效提升融合图像的对比度并保留源图像的细节信息,在主观和客观评价上均有优良的性能表现。
医用光学 图像融合 非下采样轮廓波变换 离散小波变换 脉冲耦合神经网络 激光与光电子学进展
2021, 58(20): 2017002
武汉纺织大学数学与计算机学院,湖北武汉 430200
为使红外与可见光融合图像获得更好的分辨率和清晰度,提出基于非下采样轮廓波变换(non-subsampled contourlet transform, NSCT)的马氏距离加权拉普拉斯能量和与引导滤波改进(frequency tuned, FT)结合的红外与可见光图像融合算法。首先,对可见光图像进行对比度受限的自适应直方图均衡( contrast limited adaptive histogram equalization, CLAHE),并将红外图像与 CLAHE处理后可见光图像进行 NSCT变换,分解为低频和高频;其次,对 FT算法使用引导滤波进行改进,利用改进的 FT算法提取红外图像显著性图自适应加权融合低频图像,对高频图像使用基于马氏距离加权的拉普拉斯能量和取大融合;最后,对融合的低频和高频图像进行 NSCT逆变换获得融合图像。实验结果表明,该融合方法相较其他传统融合方法,在主观视觉上和客观指标上都有较好的表现。
图像融合 红外图像 非下采样轮廓波变换 马氏距离 引导滤波 image fusion, infrared image, non-subsampled conto
上海工程技术大学电子电气工程学院, 上海 201620
针对传统红外图像与可见光图像融合存在对比度低、细节丢失、目标模糊等问题, 本文基于非下采样轮廓波变换(Non-subsampled Contourlet Transform, NSCT)的思想, 通过改进权重函数和融合规则, 建立新的融合算法实现红外图像和可见光图像的有效融合。首先, 通过 NSCT变换对红外和可见光图像进行多尺度分解得到对应的低频系数和高频系数。然后, 采用改进的最小化规则和局部平均梯度规则分别对低频系数和高频系数进行融合处理, 得到对应的最优融合系数, 并将所得融合系数进行 NSCT逆变换得到最终融合图像。最后, 使用公共数据集与其他 5种算法进行对比实验, 并在 7个具有实际意义的性能评价指标约束下, 验证所设计算法的有效性和鲁棒性。
图像融合 非下采样轮廓波变换 最小化规则 局部平均梯度规则 红外 可见光 image fusion, non-subsampled contour transform, mi
针对视觉显著性融合过程中目标对比度低,图像不够清晰的问题,本文提出一种基于二维经验模态分解(bidimensional empirical mode decomposition,BEMD)改进的 Frequency Tuned算法。首先利用 BEMD捕获红外图像的强点、轮廓信息用于指导生成红外图像的显著性图,然后将可见光图像和增强后的红外图像进行非下采样轮廓波变换( nonsubsampled contourlet transform,NSCT),对低频部分采用显著性图指导的融合规则,对高频部分采用区域能量取大并设定阈值的融合规则,最后进行逆 NSCT变换生成融合图像并进行主观视觉和客观指标评价,结果表明本文方法实现了对原图像多层次、自适应的分析,相较于对比的方法取得了良好的视觉效果。
图像融合 二维经验模态分解 显著性图 非下采样轮廓波变换 images fusion, bidimensional empirical mode decomp
武汉科技大学机械自动化学院冶金装备及其控制教育部重点实验室, 湖北 武汉 430081
针对部分遥感图像整体亮度偏暗、边缘细节特征模糊和可视性不够理想的缺点,提出了一种基于非下采样轮廓波变换(NSCT)与加权引导滤波的增强方法来改善图像质量。先利用NSCT获取图像多尺度子带图像,再对低频子带图像采取全局映射调整亮度,利用加权引导滤波器代替Retinex中的高斯滤波器获取细节分量和基础分量,同时采用比例因子调整两分量在低频子带图像中的比例;采用改进的自适应贝叶斯阈值和非线性增益函数增强各个高频子带图像;最后将各子带信息通过NSCT逆重构得到增强图像。与传统图像增强算法相比,该方法在清晰度和信息熵等方面有所提高,较好地保留细节特征,明显提高视觉效果。
图像处理 图像增强 非下采样轮廓波变换 引导滤波器 比例因子 自适应贝叶斯阈值 激光与光电子学进展
2020, 57(12): 121018
西北师范大学数学与统计学院, 甘肃 兰州 730070
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。首先对两幅源图像分别进行预增强处理,应用RPCA分解得到相应的稀疏分量和低秩分量;然后对稀疏矩阵利用结构随机矩阵压缩采样,利用高斯梯度-信息反差对比度(GG-DCI)压缩融合,经正交匹配追踪法(OMP)重构;接着对低秩矩阵采用NSCT分解成低频子带和高频子带,低频子带选用区域能量-直觉模糊集(RE-IFS)融合,最高频子带利用最大绝对值规则融合,其他高频子带选用自适应高斯区域方差融合;最后将融合后的稀疏分量和低秩分量叠加得到融合图像。实验结果表明,本文算法相比其他算法能够更好地提高融合图像的对比度和清晰度,保留了丰富的细节纹理信息,客观评价指标也总体优于现有算法,有效提升了红外与可见光图像的融合效果。
图像处理 图像融合 鲁棒主成分分析 非下采样轮廓波变换 高斯梯度-信息反差对比度 区域能量-直觉模糊集 激光与光电子学进展
2020, 57(4): 041005