基于小波变换的Cycle Spinning图像融合的扩展研究

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (27): 47-49.

基于小波变换的Cycle Spinning图像融合的扩展研究

胥妍,段会川

山东师范大学信息科学与工程学院,济南 250014

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-09-21 发布日期:2007-09-21
通讯作者: 胥妍

Further study on image fusion based on wavelet transform using Cycle Spinning

XU Yan,DUAN Hui-chuan

School of Information Science & Engineering,Shandong Normal University,Ji’nan 250014,China

Received:1900-01-01 Revised:1900-01-01 Online:2007-09-21 Published:2007-09-21
Contact: XU Yan

摘要/Abstract

摘要： Cycle Spinning是在图像去噪时使用的一种消除伪吉布斯（Pseudo-Gibbs）现象的方法,目前的文献中较少有使用该方法进行图像融合的研究。尝试结合小波变换和Cycle Spinning循环平移的思想,提出了一种基于小波变换的Cycle Spinning图像融合方法,并在此基础上对平移进行了扩展研究。仿真实验证明该方法与传统DWT方法相比,能较好地保留图像的细节信息,获得更高的PSNR值。

关键词: 小波变换, Cycle Spinning, 图像融合, 平移方向, 平移量

Abstract: In order to avoid the effect of Pseudo-Gibbs phenomena,Cycle Spinning,used in de-noise,was produced in this background,but this method is seldom mentioned and used in image fusion literature at present.This paper,trying to integrate wavelet transform with the thought of cycle translation,presented a method for image fusion based on wavelet transform using Cycle Spinning and extended the study on shift．The experimental results indicate that the method can reserve more detail information of images and get higher PSNR value,compared with traditional Discrete Wavelet Transform（DWT）.

Key words: wavelet transform, Cycle Spinning, image fusion, shift direction, shift quantity

胥妍,段会川.

基于小波变换的Cycle Spinning图像融合的扩展研究

[J]. 计算机工程与应用, 2007, 43(27): 47-49.

XU Yan,DUAN Hui-chuan. Further study on image fusion based on wavelet transform using Cycle Spinning[J]. Computer Engineering and Applications, 2007, 43(27): 47-49.

[1]	董旭彬，赵清华. 改进Mask R-CNN在航空影像目标检测的研究应用[J]. 计算机工程与应用, 2021, 57(8): 133-144.
[2]	顾梅花，王苗苗，李立瑶，冯婧. 彩色图像多尺度融合灰度化算法[J]. 计算机工程与应用, 2021, 57(4): 209-215.
[3]	王长城，周冬明，刘琰煜，谢诗冬. 无监督深度学习模型的多聚焦图像融合算法[J]. 计算机工程与应用, 2021, 57(21): 209-215.
[4]	杜秀丽，马振倩，邱少明，吕亚娜. 基于卷积注意力机制的运动想象脑电信号识别[J]. 计算机工程与应用, 2021, 57(18): 181-185.
[5]	呼亚萍，孔韦韦，李萌，黄翠玲. 改进TV图像去噪模型的全景图像拼接算法[J]. 计算机工程与应用, 2021, 57(17): 203-209.
[6]	李广安，曹岩，岳晓新. 基于BEEMD分解的红外与可见光图像融合[J]. 计算机工程与应用, 2021, 57(14): 237-244.
[7]	范文兵，孙志远. 基于小波域广义高斯分布的SAR图像分割算法[J]. 计算机工程与应用, 2020, 56(5): 222-226.
[8]	曹军，陈鹤，张佳薇. 基于超分辨率的多聚焦图像融合算法研究[J]. 计算机工程与应用, 2020, 56(3): 180-186.
[9]	宫睿，王小春. 基于可协调经验小波变换的多聚焦图像融合[J]. 计算机工程与应用, 2020, 56(2): 201-210.
[10]	吴帆，高媛，秦品乐，王丽芳. 基于拉普拉斯金字塔和CNN的医学图像融合算法[J]. 计算机工程与应用, 2020, 56(15): 208-214.
[11]	李一菲，杨燕，张国强. 基于补偿暗通道和透射率融合的图像去雾算法[J]. 计算机工程与应用, 2019, 55(3): 196-201.
[12]	顾婷婷，刘新会，桑庆兵，李朝锋. 基于双树复小波的无参考立体图像质量评价[J]. 计算机工程与应用, 2019, 55(2): 154-161.
[13]	余霆嵩，文元美，凌永权. 基于张量分解融合RGB-D图像的物体识别[J]. 计算机工程与应用, 2019, 55(2): 174-178.
[14]	李敏，苑贤杰，骆志丹，邱晓华. 基于改进引导滤波与DCPCNN的图像融合方法[J]. 计算机工程与应用, 2019, 55(19): 207-213.
[15]	杨霞，朱晓冬，刘元宁，冯家凯，刘帅. 分块小波特征结合BP神经网络的虹膜识别方法[J]. 计算机工程与应用, 2019, 55(18): 132-139.