信息融合技术在数字图像处理中的应用
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
信息融合技术在数字图像处理中的应用
摘要:信息融合技术是近年来飞速发展的一门学科,其应用领域广泛,主要应用于目标识别,战场监视,自动飞行器导航与控制,机器人,复杂工业过程控制,遥感,医疗诊断,图像处理,模式识别等领域。本文通过实际编程实现信息融合在数字图像处理中的应用,而且改善了图像获取中由于图像传感器自身差异而带来的误差和噪声,实现了单一传感器采集到更理想的图像的目标。
关键词:信息融合技术 图像处理 图像融合
1 引言
随着社会的快速发展,图像处理已经随处可见,应用前景广阔。达到探索宇宙奥秘,小到家居实用。很多笔记本配备人脸识别,各种基于图像识别的安防系统,工业生产线等等。而信息融合技术也因其应用前景广阔,而备受青睐。信息融合技术在图像处理中的应用更是一大研究趋势。本文着重讨论信息融合技术在数字图像处理中的应用。
2 研究背景
本文使用图像传感器采集图像,但由于传感器自身精度以及环境光线的影响,因而获得的图像质量不是很理想,故而希望借助信息融合技术来实现对源图像较好的估计,以期获得较好更适于后续处理的图像。
3实现方法
3.1 平滑线性滤波器
信息融合技术使用的前提条件是传感器采集到的信息尽可能的接近真是值。否则进行信息融合没有意义。所以在使用采集的图像信息时先对采集的信息进行平滑滤波。
平滑线性空间滤波器的输出(响应)是包含在滤波掩膜邻域内像素的简单平均值,因此又叫均值滤波器,也属于低通滤波器。
平滑滤波器的概念非常直观。它用滤波掩膜邻域内像素的平均值来代替这一掩膜内图像的每一个像素值,这样处理减小了图像灰度的“尖锐”变化。由于典型的随机噪声由灰度级的尖锐变化组成,因此,常见的平滑处理应用就是减噪。
然而由于图像边缘(几乎总是一副图像希望有的特征)也是由图像尖锐变化带来的特性,所以均值滤波处理还是存在着不希望的边缘模糊的发面效应。
常用的平滑滤波掩膜有以下几种:
(a) (b) 图1 两个33⨯平滑(均值)滤波器掩膜
1 1 1 1 1 1 1 1 1
1 2 1
2 4 2 1 2 1
⨯
16
1⨯9
1
设图像的像素掩膜为:
w1 w2 w3 w4 w5 w6 w7
w8
w9
图2 图像像素掩膜
那么均值滤波后的输出为:
9)987654321(÷++++++++=w w w w w w w w w w (公式1)
16)98276254423221(÷++++++++='w w w w w w w w w w (公式2)
公式1是掩膜(a)与图像掩膜的结果,公式2为掩膜(b)与图像掩膜得到的结果。比较可以看出掩膜(b)更为重要一些。这个掩膜叫做加权平均,是指用不同的系数乘以像素,这样,从权值上看,一些像素比另一些像素更为重要。本实验使用掩膜(a),因为dsp 做乘法运算花费时间多。
3.2 使用信息融合技术融合两幅图像
信息融合技术有多种方法,包括卡尔曼滤波,贝叶斯估计,D_S 证据理论,模糊论和神经网络等。具体问题具体对待,由于要硬件实现,所以算法不能过难。因而采用加权平均的思想。通过对滤波平滑后的两幅图像加权平均,最后得到希望的结果。
这个方法的难点在于合理选择两幅图像的权值,这就要对两幅图像进行更深层次的识别,可以采集多幅图像取平均,这样得到的图像更为接近真实情况。
4 实验结果
4.1 图像获取
由于整个系统运行的平台是dsp ,所以采集的是灰度图像,而且图像的像素不能过大,太大则会超过dsp 芯片本省的片上存储器容量。故采集的图像尺寸为25695100⨯⨯像素。
采集的图像是使用标准的BMP 格式图像,BMP (Bitmap-File )文件是Windows 采用的图形文件格式,bmp 图像文件由文件头、文件信息头、调色板和图像数据组成。文件头14个字节,由文件头可以获得该文件的类型、大小及第1个像素的偏移地址。文件信息共40字节,调色板是由256色⨯4组成的。所以图像内容是由14+40+1024=1078字节开始读取的。Bmp 图像数据是按逆序存储的,即数据是从下到上,从左到右读取。因此常采用顺序读取,逆序显示的方法。本实验用程序将图像读入dsp 中,进行后续处理。C 语言读取文件的程序如下:
void readimage(unsigned char *pimage,char *filename,int w,int h) { int j; unsigned char *pwork; FILE *fp; if(fp=fopen(filename,"rb"))
{ fseek(fp,1078L,SEEK_SET);
pwork=pimage+(h-1)*w; //bmp 数据按逆序存储 for(j=0;j fclose(fp); } } 图3 采集的原始图像(带噪声) 图4 经过滤波掩膜(a)后的滤波效果图 4.2 图像滤波 由于这幅图像混有较大的低频噪声,因而对其进行平滑线性滤波,采用前面所述的滤波掩膜(a),滤波后的结果如图4所示。 可以看出经过图像滤波处理的图像相比于原图噪声小了很多,但是由于平滑线性滤波器(又称均值滤波)的原理,即用掩膜邻域内的像素均值来代替这个像素域中的每一个像素值,防止图像灰度的“尖锐”变化。必然会导致图像模糊,边界不清楚。 4.3 图像融合结果 融合采用简单的加权平均融合算法。因为这种算法运算量不至特别复杂,能够硬件实现,而且也能得到较好的结果,因此选用加权平均的算法。 采集下一幅图像,如图5所示 由于图5采集的图像较之图3采集的图像有了很大的改善,为了节省软件成本,直接使用图5采集的图像和图1经过滤波后的图像图4进行融合,为了方便说明,图5 叫做A 图,图4叫做B 图。采用不同的权值得到不同的结果。图6为5.05.0⨯+⨯B A 时的融合结果。可以看来比图3和图5任何一个图像效果都要好。 图7为7.03.0⨯+⨯B A 时的融合结果。图8为6.04.0⨯+⨯B A 时的融合结果。图9为3.07.0⨯+⨯B A 时的融合结果。图10为2.08.0⨯+⨯B A 时的融合结果。