-
公开(公告)号：CN107610165B
公开(公告)日：2020-10-23
申请号：CN201710815872.7
申请日：2017-09-12
Applicant: 江南大学
Abstract: 本发明公开了一种基于多特征的3‑D剪切波域多模态医学序列图像融合方法，主要解决2‑D分解工具无法处理3‑D图像以及单特征融合方法易引入错误信息的问题。其实现步骤是：1)待融合序列图像进行3‑D剪切波变换，得到高频、低频系数；2)低频子带系数采用基于区域能量取大的融合规则，高频子带系数采用综合多特征的融合规则；3)融合后的高、低频系数执行3‑D剪切波逆变换获得融合后的序列图像。本发明能充分考虑了系数之间的相关性，精确地表示源图像的纹理、细节等特征，从而能有效避免将错误信息引入融合图像中，提高视觉效果，相比传统的融合方法极大地提高了融合图像的质量。
-
公开(公告)号：CN107610165A
公开(公告)日：2018-01-19
申请号：CN201710815872.7
申请日：2017-09-12
Applicant: 江南大学
Abstract: 本发明公开了一种基于多特征的3-D剪切波域多模态医学序列图像融合方法，主要解决2-D分解工具无法处理3-D图像以及单特征融合方法易引入错误信息的问题。其实现步骤是：1)待融合序列图像进行3-D剪切波变换，得到高频、低频系数；2)低频子带系数采用基于区域能量取大的融合规则，高频子带系数采用综合多特征的融合规则；3)融合后的高、低频系数执行3-D剪切波逆变换获得融合后的序列图像。本发明能充分考虑了系数之间的相关性，精确地表示源图像的纹理、细节等特征，从而能有效避免将错误信息引入融合图像中，提高视觉效果，相比传统的融合方法极大地提高了融合图像的质量。
-
Patent Agency Ranking
公开(公告)号：CN106803242A
公开(公告)日：2017-06-06
申请号：CN201611216386.5
申请日：2016-12-26
Applicant: 江南大学
CPC classification number: G06T5/50 , G06T5/001 , G06T5/007 , G06T5/10 , G06T2207/10004 , G06T2207/20064 , G06T2207/20192 , G06T2207/20221
Abstract: 本发明公开了一种基于四元数小波变换的多聚焦图像融合方法，主要是为了更准确地将源图像中的信息融入融合图像中。其实现步骤是：1)对待融合的两幅多聚焦图像进行四元数小波变换，分解得到一个低频子带(LL)及每层三个高频子带(LH、HL、HH)，其中每个子带对应四个四元数系数子带，通过四元数代数运算，这四个系数子带可以转换为一个幅值子带和三个相位子带；2)低频子带采用基于改进的相位梯度特征值取大的融合规则进行融合，高频子带采用基于四元数矩阵综合多特征的融合方法；4)对融合后的高、低频子带系数进行四元数小波逆变换获得融合后的图像。本发明能充分提取源图像的特征，精确地表示源图像，从而能有效避免将错误信息引入融合图像中，改善视觉效果，相比传统的融合方法极大的提高了融合图像的质量。
-
公开(公告)号：CN111754447A
公开(公告)日：2020-10-09
申请号：CN202010638215.1
申请日：2020-07-06
Applicant: 江南大学
Abstract: 本发明公开了基于多状态上下文隐马尔科夫模型的红外和可见光图像融合方法，主要解决红外和可见光图像融合时细节丢失和对比度不高的问题。其实现步骤是：1)对待融合图像进行NSST变换，得到低频和高频子带；2)低频子带采用区域能量差异度的加权融合规则；3)高频子带设计了上下文隶属度，并建立MCHMM，根据多状态统计特征设计融合规则；4)融合后的高、低频系数执行NSST逆变换获得融合图像。本发明充分考虑了系数之间的相关性，精确地表示源图像的纹理、细节等特征，充分提取红外图像的目标信息，增强图像的对比度，改善视觉效果，相比传统的融合方法极大地提高了融合图像的质量。
-
公开(公告)号：CN111754447B
公开(公告)日：2024-09-24
申请号：CN202010638215.1
申请日：2020-07-06
Applicant: 江南大学
Abstract: 本发明公开了基于多状态上下文隐马尔科夫模型的红外和可见光图像融合方法，主要解决红外和可见光图像融合时细节丢失和对比度不高的问题。其实现步骤是：1)对待融合图像进行NSST变换，得到低频和高频子带；2)低频子带采用区域能量差异度的加权融合规则；3)高频子带设计了上下文隶属度，并建立MCHMM，根据多状态统计特征设计融合规则；4)融合后的高、低频系数执行NSST逆变换获得融合图像。本发明充分考虑了系数之间的相关性，精确地表示源图像的纹理、细节等特征，充分提取红外图像的目标信息，增强图像的对比度，改善视觉效果，相比传统的融合方法极大地提高了融合图像的质量。
-
公开(公告)号：CN109829873B
公开(公告)日：2023-03-14
申请号：CN201910068041.7
申请日：2019-01-24
Applicant: 江南大学
Abstract: 本发明提供了一种基于非下采样剪切波和全局‑区域‑局部融合规则的图像融合方法，属于图像融合技术领域。主要解决从统计模型中提取单层次特征容易导致图像表示不准确的问题。其实现步骤是：1)待融合图像进行非下采样剪切波变换，得到高频、低频系数；2)低频子带系数采用基于平均梯度取大的融合规则，高频子带系数采用全局‑区域‑局部的融合规则；3)融合后的高、低频系数执行非下采样剪切波逆变换获得融合后的图像。本发明能充分考虑了系数之间的相关性，精确地表示源图像的纹理、细节等特征，从而能有效避免将错误信息引入融合图像中，提高视觉效果，相比传统的融合方法极大地提高了融合图像的质量。
-
公开(公告)号：CN109829873A
公开(公告)日：2019-05-31
申请号：CN201910068041.7
申请日：2019-01-24
Applicant: 江南大学
Abstract: 本发明提供了一种基于非下采样剪切波和全局-区域-局部融合规则的图像融合方法，属于图像融合技术领域。主要解决从统计模型中提取单层次特征容易导致图像表示不准确的问题。其实现步骤是：1)待融合图像进行非下采样剪切波变换，得到高频、低频系数；2)低频子带系数采用基于平均梯度取大的融合规则，高频子带系数采用全局-区域-局部的融合规则；3)融合后的高、低频系数执行非下采样剪切波逆变换获得融合后的图像。本发明能充分考虑了系数之间的相关性，精确地表示源图像的纹理、细节等特征，从而能有效避免将错误信息引入融合图像中，提高视觉效果，相比传统的融合方法极大地提高了融合图像的质量。
-
-
-
-
-
-
Search Results
7
records
(took 0.011 seconds)
