圖像融合規(guī)則參考模板

1、圖像融合的規(guī)則圖像多尺度分解和重構(gòu)對多尺度圖像融合的結(jié)果有著至關(guān)重要的作用，圖像融合規(guī)則則是另一個關(guān)鍵因素，它直接影響圖像融合的性能?；谌诤弦?guī)則可以將圖像融合分為三類：基于像素的圖像融合、基于窗口的圖像融合和基于區(qū)域的圖像融合。1、 基于像素的圖像融合基于像素的圖像融合規(guī)則分為均值法和最大值法。像素絕對值取大(Choose-Max,CM)規(guī)則是最簡單、直接的融合規(guī)則。CM 規(guī)則可描述為： 式(2-14)其中，和分別為源圖像A和源圖像B的某一組分解系數(shù)，為融合后的系數(shù)。例如，小波變換的高頻分解系數(shù)對應(yīng)輸入圖像的邊緣、紋理等細節(jié)信息，而像素絕對值是對這種細節(jié)信息強度的最直觀的度量，CM 規(guī)則正是

2、基于這一點可以對高頻系數(shù)進行融合。 CM規(guī)則具有簡單、易實現(xiàn)、運算速度快等優(yōu)點。但是僅僅依賴單獨像素點作為細節(jié)信息的強度度量是不穩(wěn)定的，尤其當(dāng)多尺度變換缺乏平移不變性時，分解系數(shù)的能量會隨源圖像的平移、旋轉(zhuǎn)等規(guī)則變化發(fā)生劇烈的不規(guī)則的變化，導(dǎo)致融合后的圖像缺乏一致性。另外CM 規(guī)則傳遞并放大源圖像中的噪聲和死點。Petrovic V S.和Xydeas C.S.H提出了考慮分解層內(nèi)各子帶系數(shù)及分解層間各子帶系數(shù)相關(guān)性的系數(shù)選取融合規(guī)則。根據(jù)人眼視覺系統(tǒng)對局部對比度比較敏感這一特性，蒲恬50提出了基于對比度系數(shù)選取融合規(guī)則?？紤]人眼視覺系統(tǒng)不僅具有頻率選擇特性，還具有方向特性，劉貴喜51等人提出

3、了基于方向?qū)Ρ榷鹊南禂?shù)選取融合規(guī)則?；谙袼氐娜诤弦?guī)則在融合處理時表現(xiàn)出對邊緣的高度敏感性，使得在預(yù)處理時要求圖像是嚴格配準的，否則處理結(jié)果將不盡如人意，這就加大了預(yù)處理的難度。但該規(guī)則是在假設(shè)圖像相鄰像素(或系數(shù))之間不存在相關(guān)性的前提下提出的，然而，這與實際情況并不相符，因此基于像素選取的融合規(guī)則不能獲得令人十分滿意的融合效果。2、 基于窗口選擇的融合規(guī)則為克服CM 規(guī)則的不穩(wěn)定性，人們提出了基于窗口的融合規(guī)則。細節(jié)信息強度的度量不再僅僅依賴某一點，而是根據(jù)待融合系數(shù)局部區(qū)域(一般窗口大小為2 / 4或者等)的統(tǒng)計特性來選取像素系數(shù)的一種融合規(guī)則。常用的基于窗口的融合規(guī)則有Burt等提出的

4、加權(quán)平均(Weighted Average, WA)規(guī)則。 Burts 方法的具體步驟如下：第一步：在系數(shù)圖像中，計算以點為中心周圍窗口區(qū)域內(nèi)的能量(或方差)作為該點細節(jié)信息強度的度量；第二步：計算和之間局部的、歸一化的互相關(guān)系數(shù)；第三步：根據(jù)互相關(guān)系數(shù)大小，采取不同的融合方式。當(dāng)時(一般取0.85)，說明源圖像系數(shù)間相關(guān)性比較低，所以選取區(qū)域內(nèi)的能量(或方差)大的系數(shù)為融合后系數(shù)更為合理，即：式(2-15)當(dāng)時，說明系數(shù)間相關(guān)性比較大，采用加權(quán)平均的方法更為合理，即式(2-16)其中，為單位矩陣，權(quán)系數(shù)由下式確定：式(2-17)基于區(qū)域的融合規(guī)則由于考慮了與相鄰像素間的相關(guān)性，降低了對邊緣的

5、敏感性，能夠有效減少融合像素的錯誤選取，在一定程度上顯著提高了融合算法的魯棒性，從而提高了融合效果，所以具有更加廣泛的適用性。3、 基于區(qū)域特征的融合規(guī)則由于圖像中的局部特征并不是由單個像素或局部窗口所能完全表征的，而是由構(gòu)成該區(qū)域的、具有較強相關(guān)性的多個像素來共同表征和體現(xiàn)的，所以基于像素的融合規(guī)則和基于窗口的融合規(guī)則存在一定的局限性?；趨^(qū)域的融合是將構(gòu)成某區(qū)域的多個像素作為一個整體參與到融合過程中，其融合圖像的整體視覺效果更好，并可有效抑制融合痕跡。同時，基于區(qū)域的融合還能夠有效降低算法對噪聲的敏感度和配準誤差對融合性能的影響。通常情況下，基于區(qū)域的融合規(guī)則先采用某種圖像分割算法將源圖像

6、分割成不同的區(qū)域，然后再針對每一個區(qū)域根據(jù)一定的區(qū)域特征顯著性測度分別進行融合。下面介紹幾種常用的融合規(guī)則和適用類型：(1) 系數(shù)絕對值取大法該方法適用于源圖像高頻成分較豐富，亮度、對比度較高的情況，否則在融合圖像中只保留一幅圖像的特征，其他的特征將被覆蓋。 (2) 加權(quán)平均法采用此方法融合圖像的小波變換系數(shù)為源圖像系數(shù)的加權(quán)平均值。該方法權(quán)重系數(shù)可調(diào)，適用范圍廣，可消除部分噪聲，源圖像信息損失較小，但是會造成融合圖像的對比度下降。(3) 雙閾值法雙閾值適用于源圖像中一幅圖像的灰度分布均衡，高頻成分較多的情況。該方法增加了算法的實用性，但選擇閾值時要考慮源圖像灰度分布的特點，否則有可能出現(xiàn)邊緣跳躍的現(xiàn)象。(4) 消除高頻噪聲法圖像中的噪聲一般頻率較高，經(jīng)小波分解后主要反映在細節(jié)圖像中，所以圖像重建時將部分細節(jié)圖像去除，即把高頻部分的小波變換系數(shù)置零，其余系數(shù)取平均值將不會對融合結(jié)果造成明顯的影響。當(dāng)圖像噪聲以高頻為主時，采用該方法可以使融合圖像高頻噪聲基本消除，源圖像特征可較好地保留在融合圖像中，但在消除高頻噪聲的同時，也損失了部分高頻信息。(5) 高低頻互補法所謂高低頻互補法就是選擇一幅源圖像的高頻信息和另一幅源圖像的低頻信息重構(gòu)圖像。這種方法適合于融合具有多種空間頻率的源圖像，融合圖