面向苹果品质检测的图像融合方法

    公开(公告)号:CN107316285A

    公开(公告)日:2017-11-03

    申请号:CN201710541159.8

    申请日:2017-07-05

    Applicant: 江南大学

    Abstract: 本发明公开了一种面向苹果品质检测的图像融合方法,主要解决传统的水果品质检测有效性不高的问题。其实现步骤是:1)对苹果的可见光图像和红外图像分别使用四元数小波变换得到低频子带与高频子带;2)对低频子带使用基于局部平均梯度与局部标准差的加权平均方法进行融合;3)对高频子带采用基于导向滤波的绝对值取大的融合规则实现融合;4)最后,将融合后的高频系数与低频系数使用逆四元数小波变换得到融合后图像。本发明能很好的保留可见光图像中表皮的细节纹理和红外图像中检测到的次表面损伤信息。因此,所提方法能够提高苹果品质检测的准确性。

    基于四元数小波变换的多聚焦图像融合方法

    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

    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。

    基于尺度不变特征变换的苹果图像融合方法

    公开(公告)号:CN106897999A

    公开(公告)日:2017-06-27

    申请号:CN201710107672.6

    申请日:2017-02-27

    Applicant: 江南大学

    CPC classification number: G06T7/0004 G06T2207/30128

    Abstract: 本发明公开了一种基于尺度不变特征变换的图像融合方法,主要解决苹果质量无损检测的问题。其实现步骤是:1)利用非下采样轮廓波变换NSCT将待融合图像分解为低频子带和高频子带;2)对低频子带利用尺度不变特征变换SIFT寻找到特征描述子并记录下每个特征描述子在低频子带中的位置,利用特征描述子构造了一种内容匹配度指标;3)利于一种基于内容匹配度的混合融合策略来融合低频子带,利用绝对值取大的融合策略实现高频子带系数的融合;5)利用非下采样轮廓波逆变换生成融合图像。本发明能充分融合红外与可见光苹果图像的有用信息,有效保护源图像细节,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,能够有效的实施苹果的无损质量检测。

    基于平移不变剪切波和栈式自编码的图像融合方法

    公开(公告)号:CN106897987A

    公开(公告)日:2017-06-27

    申请号:CN201710053310.3

    申请日:2017-01-18

    Applicant: 江南大学

    Abstract: 本发明公开了一种基于平移不变剪切波和栈式自编码的图像融合方法。其实现步骤为:首先用平移不变剪切波变换将待融合图像分解成低频子带系数和高频子带系数;其次,低频子带系数反映了图像的基础轮廓,利用加权取平均的方法进行融合;高频子带系数反映了图像的边缘和纹理信息,本发明提出了一种基于栈式自编码特征的融合方法,利用滑动分块的方法将高频子带分块,以小块作为输入训练栈式自编码网络,利用训练好的网络再对小块进行编码得到特征,并利用空间频率进行特征增强得到活动测度,最后利用此活动测度数值取大的融合规则进行高频子带系数小块的融合,所有小块融合后利用滑动窗口逆变换得到高频子带;最后利用平移不变剪切波逆变换得到融合后的图像。本发明相比于传统的融合方法能更好地保留原图像中的边缘和纹理信息。

Patent Agency Ranking