基于小波变换的图像融合

基于小波变换的图像融合

摘要：图像融合是通过某种算法，将两幅或多幅不同的图像进行合并以形成一幅新的图像的过程，其的主要目的是通过对多幅图像间的冗余数据的处理来提高图像的可靠性，通过对多幅图像间的互补信息的处理来提高图像的清晰度。本文的研究重点是基于小波变换实现图像的初步融合,完成将两幅不同的图像进行合并以形成一幅新的图像。

关键词：图像融合，小波变换，融合算法，图像信息

Abstract

The image fusion is a procedure that combine more than two images in order to get a new image, and it’s main purpose of image fusion of multiple images is enhance the reliability of image through deal with the ultra data of the initial image, and improve the definition of the image through deal with the complementary information of the images. The key point of this article is realized the image fusion based on the wavelet transform and combines two images to get a new image.

Key Words: image fusion, wavelet transform, fusion algorithm, image information

一、引言

图像融合是通过某种算法，将两幅或多幅不同的图像进行合并以形成一幅新的图像的过程。在众多的图像融合技术，基于小波变换的图像融合方法已成为现今的个热点，图像融合技术是数据融合技术的一种特定情形，它是以图像的形式来表达具体的信息，它对人的视觉产生作用。图像融合具体来说是根据某一算法，将所获得的针对同一目标场景的多幅配准后的图像进行综合处理，从而得到一幅新的、满足某种条件的、对目标或场景的描述更为准确、更为全面、更为可靠的图像。融合后的图像应该比原始图像更加清晰可靠和易于分辨。图像融合充分利用了多个原始图像所包含的冗余信息和互补信息，能够起到扩大传感范围、提高系统可靠性和图像信息利用率的作用。

二、小波变换图像融合

传统的信号理论，是建立在Fourier分析基础上的，而Fourier变换作为一种全局性的变化，其有一定的局限性。在实际应用中人们开始对Fourier变换进行各种改进，小波分析由此产生了。小波分析是一种新兴的数学分支，它是泛函数、Fourier 分析、调和分析、数值分析的最完美的结晶；在应用领域，特别是在信号处理、图像处理、语音处理以及众多非线性科学领域，它被认为是继Fourier分析之后的又一有效的时频分析方法。小波变换与Fourier变换相比，是一个时间和频域的局域变换因而能有效地从信号中提取信息，通过伸缩和平移等运算功能对函数或信号进

行多尺度细化分析（Multiscale Analysis），解决了Fourier变换不能解决的许多困难问题。

近些年来，小波变换倍受科技界的重视，它不仅在数学上已形成了一个新的分支，而且在工程应用上，如信号处理、图像处理、模式识别、语音识别与合成、量子理论、分形以及众多非线性科学领域，都产生了深远的影响。

小波变换作为一种新的数学工具，是介于函数的时间域(空间域)表示和频率域表示之间的一种表示方法。小波变换是时间(空间)频率的局部化分析，它通过伸缩平移运算对信号(函数)逐步进行多尺度细化，最终达到高频处细分，低频处频率细分，能自动适应时频信号分析的要求，从而可聚焦到信号的任意细节，解决了Fourier 变换的困难问题，成为继Fourier变换以来在科学方法上的重大突破。小波变换分为：Haar变换,db变换,sym变换,coif变换等。

工作原理为

1.将原始测试图像进行小波变换，分解成低频图像和高频图像，同时低频

图像还可以逐级分解。

2.将测试图像中的低频分量和高频分量分别进行整合，得到融合后图像。

3.将融合后的两种分量的图像通过小波逆变换，再次进行整合，即可得到

新的融合图像，也就是我们最终要求的图像。

小波变换图像融合原理如图1所示：

图1：小波变换图像融合原理

本文的实验中将图像A和图像B(图片大小为140*99)通过小波变换图像融合的方法将两幅图像进行融合。融合流程如图2所示。

实验步骤为：

1.将原图像1,2分成2*2子块图像。

2.对每个子块图像进行数值统计，计算其平均值与方差

3.确定图像1和2每个子块图像加权系数k1,k2。如果图像1方差>图像2子块方差，

则k1>k2,否则k1

4.确定每个子块图像的数据融合数值为：F(x,y)=k1*A(x,y)+k2*B(x,y)。

5.重复2,3,4，计算全部子块图像融合值。

图2 小波变换图像融合流程

实验程序运行结果为：

三、MATLAB运行结果分析

1.图3 和图4是用来测试的图像，图3 中左边模糊右边清晰，图4中右边

模糊左边清晰，使用上述算法对两幅图像进行融合，融合结果为图 5 所

示。

2.从主观来看，本算法能够较好的保留细节部分，同时融合了对两幅图像的

信息，使得融合后的图像得到了增强。

3.根据小波变换的特点，分别选用了不同的整合准则，因而了保留了图像的

细节信息，得到了全局清晰的图像，融合效果良好。

四、结论

本文提出的图像融合的特点是：的原图像分解成不同空间分辨率和频域的子图像，然后根据高频子图像的数据分布，来确定原始图像在融合图像中提供的信息比例、可以有效的保留原始图像的边缘和纹理特征，避免融合图像平均化，出现模糊现象。

参考文献

[1] 胡广书. 现代信号处理教程. 北京;清华大学出版社,2004.

[2] 倪林. 小波变换与图像处理. 中国科学技术出版社,2010.

[3] 张德丰. MATLAB小波分析. 机械工业出版社,2010.

[4] C.Sidney Burrus. Introduction to Wavelets and Wavelet transforms. Prentice Hall,2005

[5]