数字图像处理(matlab版)第八章 图像融合算法

第八章图像融合算法

8.1 图像融合技术的发展过程

随着科学的发展和技术的进步，采集图像数据的手段不断完善，出现了各种新的图像获取技术。如今，图像融合方法已经运用于社会的很多领域，像遥感卫星图像，光图像，红外图像，医学图像，尤其是多传感器图像融合应用以来，它已成为计算机视觉，目标识别，机器人以及军事等方面研究的重要方面。

8.2基于小波变换图像融合的基本原理

如果一个图像进行L 层小波分解，我们将得到（3L ＋1）层子带，其中包括低频的基带和层的高频子带。用代表源图像，记为，设尺度系数和小波函数对应的滤波器系数矩阵分别为，则二维小波分解算法可描述为：

j C 3L ,h v d D D D 和(,)f x y 0C ()x Φ()x ΨH G 与11

1

j h

j j v

j j d

j j C HC H D GC H D HC G D GC G +++′

=⎧⎪′=⎪⎨′=⎪⎪′=⎩j+1(0,1, (1)

j J =−（8-1）

小波重构算法为：

基于二维DWT 的融合过程如图1.1所示，ImageA 和

ImageB 代表两幅源图像A 和B ，ImageF 代表融合后的图像，具体步骤如下：（1）图像的预处理：

1h v d j j j j j

C H C H G D H H D G G D G −′′′′=+++(,1, (1)

j J J =−（8-2）

图8.1 基于DWT 图像融合过程

①图像滤波

②图像配准

（2）对ImageA和ImageB进行二维DWT分解，得到图像的低频和高频分量。

（3）根据低频和高频分量的特点，按照各自的融合算法进行融合。

（4）对以上得到的高低频分量，经过小波逆变换重构得到融合图像ImageF。

8.3 融合效果性能评价指标

8.3.1均值和标准差

图像的信息熵是衡量图像信息丰富程度的一个重要指标,表示图像所包含的平均信息量的多少。融合图像的熵值越大,说明融合图像携带的信息量越大,信息就越丰富。

1

20

()log ()

L g EN p g p g −==−×∑（8-5）

8.3.3平均梯度

平均梯度用来表征图像的清晰度，反映图像质量的改进,及图像中微小细节反差和纹理变换特征，平均梯度越大,及图像中微小细节反差和纹理变换特征，平均梯度越大, 图像的平均梯度定义为:

8.4 高频融合方法研究8.4.1均值法

对两幅源图像进行小波分解，获取需要的小波系数，对相应的像素进行比较取均值，获取的系数通过小波逆变换重构出图像。

表示多焦距图像的数目

表示各图像的加权系数

=1,2,3表示水平、垂直和对角线的小波分解系数

表示第k 幅图像在的第层小波分解系数。

表示融合图像在的第层小波分解系数。

,1

(,)(,)0.5

K

i

i

J k k J k k F x y c D x y c ==×=∑,其中（8-15）

K k c i ,(,)

i

k J D x y (,)i J F x y

实验结果如图8.2（a）所示，可见，取平均值的方法使图像变平滑，对低频的处理较为可靠，但细节部分缺乏完整的表征，融合后感兴趣的高频信息丢失严重，图像模糊不易于识别，不是一种可靠的融合方法。

图

8.2 不同图像融合效果

(a)

(b)

8.4.2最大值法

在图像小波分解,绝对值较大的小波系数对应于图像较大的边缘等特征,而人眼对于这些特征比较敏感。

其中，表示对小波分解系数

取绝对值表示对K 个小波分解系数取最大值

{}

(,)max ((,))i i J

k J

K

F x y abs D x y =，（8-16）

((,))i

k J

abs D x y ，(,)i k J D x y ，,max()

i

k J

K

D

实验结果如图2.2所示，可见取最大值的方法能很好的图像显示每个源图像的高频信息，效果较好，然而却容易引起高低频边缘的失真，出现条纹现象等,特别是在两幅源图像质量差别较大的地方，出现明显的融合痕迹。

8.4.3基于区域的最大值法

此方法中，每个像素点和周围相关各点被同时考虑，融合图像的每个像素点处于考察区域的中心，将高频子带的参考区域内各个高频系数的绝对值进行求和，比较两幅源图像中各个高频子带对应区域的和，并选取和最大的区域中心的像素点作为融合图像的高频系数。

其中，

表示第k 个图像的像素（x ，y ）在J 尺度下的分解系数

表示水平、垂直、对角线的分解系数

(,)max ((,))i

i

J

k J K

m M n N F x y abs D x m y n ∈∈⎧⎫=++⎨⎬⎩⎭

∑∑，（8-17）

(,)i k J

D x y ，1,2,3i =

8.4.4基于区域能量的图像融合方法

基于区域能量融合的思想是:对待融合图像进行二维小波分解,计算待融合图像高频成分的区域能量及匹配度,然后比较匹配度与给定阈值以及待融合图像区域能量的大小,决定采用选大选小融合法还是区域中值加权法。（1）区域特征的定义：

表示高频系数矩阵中以为中心的区域大小为的

能量，定义为：

(,)i J E x y (,)x y M N ×2

,,(,)(,)i

i

J k J m M n N

E x y D x m y n ∈∈⎡⎤=

++⎣⎦

∑

（8-18）