像素級圖像融合

東風-.z.畢業(yè)設計〔論文〕設計(論文)題目像素級圖像融合方法姓名：李桂楠學號：201100800668學院：機電與信息工程學院專業(yè)：自動化年級2011級指導教師：*甲冰-.z.目錄摘要9Abstract10第一章緒論11.1課題背景及來源11.2圖像融合的理論根底和研究現(xiàn)狀11.3圖像融合的應用21.4圖像融合的分類2第二章像素級圖像融合的預處理32.1圖像增強32.2圖像校正42.3圖像配準4第三章像素級圖像融合的方法綜述53.1加權平均圖像融合方法53.2HIS空間圖像融合方法53.3主成分分析圖像融合方法73.4偽彩色圖像融合方法8第四章基于小波變換的像素級圖像融合概述144.1小波變換的根本理論144.2基于小波變換的圖像融合154.3基于小波變換的圖像融合性能分析16第五章像素級圖像融合方法的研究總結與展望21參考文獻24辭36-.z.摘要近些年，隨著科學技術的飛速開展，各種各樣的圖像傳感器出現(xiàn)在人們的視野前，這種樣式繁多的圖像傳感器在不同的成像原理和不同的工作環(huán)境下具有不同功能。而因為多傳感器的不斷涌現(xiàn)，圖像融合技術也越來越多的被應用于醫(yī)學、勘探、海洋資源開發(fā)、生物學科等領域。圖像融合主要有像素級、決策級和特征級三個層次，而像素級圖像融合作為根底能為其他層次的融合提供更準確、全面、可依賴的圖像信息。本文的主要工作是針對像素級的圖像融合所展開的。關鍵詞圖像融合理論根底、加權平均、圖像融合方法、小波變換、-.z.AbstractInrecentyears,withtherapiddevelopmentofscienceandtechnology,allkindsofimagesensorappearinfrontofthepeople'sfieldofvision,imagesensorinawiderangeofthisstyleindifferentimagingprincipleandunderdifferentworkingconditionshavedifferentfunction.Andbecauseofmultiplesensors,imagefusiontechnologyisalsomoreandmorebeenusedinmedical,e*ploration,Marineresourcesdevelopment,biologicalsciences,andotherfields,andimagefusionfornationalsecuritymorestrategicsignificancetoconstructionandeconomicdevelopment.Therefore,thestudyofimagefusionisanditsimportanttheoreticalsignificanceandapplicationprospects.Imagefusionisdividedintopi*ellevel,featurelevelanddecisionlevelthreedifferentlevels,imagefusionatpi*ellevelandasabasisforotherlevelsoffusionprovidemoreaccurate,prehensive,imageinformationcanbelazy,isadvantageoustotheimageanalysisandfurtherresearch.Theresearchworkofthisarticleisthesurroundingimagefusionatpi*ellevel.Keywordsimagefusion,weightedaverage,pseudocolorimagefusionmethodandwavelettransform-.z.第一章緒論1.1課題背景及來源在現(xiàn)代化的農(nóng)業(yè)、生活、資源管理開發(fā)、國防等方面的實際應用中，圖像融合被廣泛的開發(fā)應用，是較為常用的圖像信息融合技術，它可以對源圖像中的像素進展逐個的信息融合，盡可能保存源圖像中的重要信息以得到對圖像更準確、更豐富的描述。為了特征級和決策級的研究提供幫助。本章主要工作是對圖像融合的理論和開展做出介紹，并在該根底上分析圖像融合在實際應用前景。1.2圖像融合的理論和現(xiàn)狀圖像融合是對不同傳感器所收集到的一幅或者多幅源圖像進展融合，用融合技術合成同一幅包含了多幅源圖像優(yōu)點、內(nèi)容更加全面豐富的圖像，其最早產(chǎn)生于20世紀70年代末，而該技術隨著實際應用中的所占比例的增大在其后的時間內(nèi)有了很大的開展。雖然圖像融合技術越來越多地在實際生活中得到應用，但因為該技術所覆蓋領域的廣泛性和該技術的多樣性，研究結果只是反映了特定的方面，而不是形成完整的體系。總而言之，其中仍有很多問題有待我們的解決和探討。1.3圖像融合的應用多傳感器技術的提高和電子科技技術方面的提高，圖像融合技術越來越多的被用于實際應用中。在民用方面，圖像融合在應用于各個領域。遙感方面，隨著遙感技術的開展，在同一地區(qū)可使用越來越多不同的傳感器，因此能獲得不同時間段的各類遙感圖像信息，國土資源規(guī)劃等方面都有效的利用到該技術。在醫(yī)學領域，多模醫(yī)學圖像融合技術已經(jīng)被廣泛的用于醫(yī)療診斷中，根據(jù)不同影像設備可反響出人體體征情況各有不同，彌補了原來醫(yī)學單一成像的缺點。在軍事領域，隨著傳感器的種類不停增多，可得到的戰(zhàn)場信息戰(zhàn)況越來越豐富，而有關于戰(zhàn)場圖像信息的分析也需要越來越準確，而多傳感器圖像融合技術則成為控制戰(zhàn)爭態(tài)勢的有效利器。1.4圖像融合的分類〔1〕按信息表征層次分類像素級圖像融合：根據(jù)*個融合規(guī)則直接對源圖像灰度進展融合。像素級圖像融合是最低層次的融合，但其保存信息的能力要強于決策級和特征級。但像素級融合對配準精度的要求也更高。特征級圖像融合：在像素級的根底上提取其特征信息進展綜合性分析和融合處理。特征級融合首先從各個多傳感器圖像中提取原始信息特征，去掉其中的虛無用特征。特征級圖像融合能壓縮信息，還能保存圖像的復合特征，可以直接為決策級融合分析提供幫助。決策級圖像融合：是最高層次的融合，從源圖像中獲取特征信息并進展預處理，得出各自的決策，合并成一個全局性的聯(lián)合決策。決策級圖像融合有較高的實時性和容錯性，但是在處理過程中損失的圖像信息量大，預處理的要求也比擬高?！?〕按圖像源分類同類傳感器圖像融合：對同一傳感器在不同成像模式下獲得圖像進展融合。異類傳感器圖像融合：將不同類型的并且彼此相互獨立傳感器收集到的圖像進展融合。遙感圖像融合：對多遙感器所獲得的圖像進展融合。〔3〕按融合方法分類基于空間域的圖像融合：在像素級別上對圖像直接進展處理。其算法有：加權平均法、主成分分析法、HIS空間法、偽彩色法等等?；谧儞Q域的圖像融合：首先對多幅源圖像進展圖像變換，之后在對其獲得的系數(shù)按準則進展融合，再對其進展逆變換得到融合結果。常用算法有：傅里葉變換，多尺度分解等等。-.z.第二章像素級圖像融合的預處理像素級圖像融合是最底層的圖像融合，它可以獲得另外兩個層級不能獲得的細微的源圖像信息，因為要準確要像素級別，所以在圖像融合前要進展預處理，例如圖像的增強、校正、配準等。2.1圖像的增強圖像增強是一類圖像預處理的技術，其目的是為了獲得效果更明顯、對研究內(nèi)容更加有用的圖像信息。圖像增強的主要方法有：1.空間域增強2.頻率域增強。空間域增強1.線性變換和非線性變換在對圖像的像元進展灰度值的變換以后，我們將會得到可視度更高、分辨率更為清晰的圖像。根據(jù)變換函數(shù)分類，當變換函數(shù)為線性或者分段函數(shù)時，稱其為線性變換?；叶茸儞Q的過程可以表示為：g(*,y)=T[h(*,y)],射映射為T，則輸入圖像中的每個像素的灰度值f〔*，y〕可以通過該映射，經(jīng)過變換后得到輸出圖像的灰度值h〔*，y〕。簡單的線性變換公式課定義為：，其中，n和m分別為輸入圖像亮度分量的最大和最小值，d和c分別是輸出圖像亮度分量的最大和最小值。如圖1所示，在線性變換后其灰度范圍明顯擴大，由[m,n]擴展為[c，d]。變換后的圖像中相鄰像素灰度的差值增加，將有效改善圖像視覺效果。線性變換效果圖如下：非線性變換則可以理解為，變換函數(shù)是非線性的，則為非線性變換，它是有選擇的對*一灰度范圍進展擴展。指數(shù)變換和對數(shù)變換都是比擬常用的非線性變換。指數(shù)變換一般公式為：對數(shù)變換一般公式為：其中，和分別表示變換前和變換后每個像元的灰度值。a、b、c為參數(shù)。圖4非線性灰度變換2.空間增強為了到達強化圖像特征信息的目的，則采用空間增強。領域處理：對于*一圖像〔i，j〕，對于該圖像像元的集合{i+m，j+n}〔m、n為任意整數(shù)〕稱為該像元的領域。由圖可知g(i,j)可由f〔i，j〕確定，它們分別為處理前和處理后的像元值，這種處理稱為領域處理。領域運算的計算表達式為：為對像元的運算法則。卷積運算：在空間域上對圖像做加權求和的過程。需選定一個模板。在運算前，需選定一個大小為的運算模板。并建立一個和模板大小一樣的活動窗口，再將模板與窗口的對應的灰度值做對應運算。得到新的窗口中心灰度值。其公式為：將模板和窗口作一樣移動后再按上式計算得出新的灰度值。根據(jù)該公式進展類推，最后獲得目標圖像。平滑：傳感器在成像過程會存在各種客觀原因造成的誤差，圖像在形成過程中會出現(xiàn)"噪聲。〞平滑的目的是為提高圖像質(zhì)量而進展的處理。銳化：銳化可突出邊緣和線狀口信息?！捕愁l率域增強在圖像處理過程中，像元的灰度值隨著位置變化的頻繁程度用頻率來表示，屬于空間頻率。對于邊緣、線條、噪聲等特征，在短像元距離內(nèi)灰度值變化頻率較大，而在長像元距離內(nèi)灰度值逐漸變化。頻率域增強的過程如下：〔三〕彩色增強1.偽彩色增強一副黑白的圖像在經(jīng)過一定規(guī)則的變換后得到彩色圖像的過程為偽彩色增強。2.假彩色增強假彩色增強與偽彩色增強不根本相似，而它與偽彩色增強不同在于它與原波段的真實顏色不一樣，它呈現(xiàn)出來的顏色并不是物體的真是顏色。〔四〕圖像運算為了到達圖像增強的目的，可對圖像運用代數(shù)方法進展運算。1.加法運算是指兩幅大小一樣的圖像對它們的像元的灰度值進展相加。假設設加法運算后的圖像為，兩幅圖像分別為，則加法運算公式為:2.差值運算差值運算是指兩幅同樣大小的圖像對它們的灰度值進展相減。假設差值運算后的圖像為,兩幅圖像為和，則差值運算公式為：3.比值運算比值運算是針對兩幅大小一樣的圖像，對它們對應的像元進展除法運算。假設比值運算后的圖像為,兩幅圖像為，則比值運算公式為：2.2圖像校正1.準備工作：對源圖像包含的數(shù)據(jù)信息進展收集整理；2.輸入原始數(shù)字影像；3.建立校正變換函數(shù)?！?〕多項式校正法；〔2〕共線方程校正法。2.3圖像配準〔1〕對圖像灰度信息進展配準該方法在圖像灰度上對圖像的相似程度進展統(tǒng)計，主要有互相關法、序貫相似度檢測匹配法和交互信息。對于一幅圖像I和一個模板T，二維穿插相關函數(shù)定義為：為圖像上進展了相似程度為(u,v)的位移。序貫相似檢測法相對來說是更容易實現(xiàn)的方法，其準則定義為：其中，分別為模板和圖像窗口的均值。交互信息I由A、B的個體熵式中，dn;[p(m,n)]dmdn;p(m)和p〔n〕為隨機變量M和N的邊緣概率密度，p(m,n)為M和N的聯(lián)合概率密度分布。〔2〕對變換域進展圖像配準相位相關是重要的配準方法之一，在對圖像運用傅里葉變換時。設兩幅圖像，是兩幅圖像的平移量，則：而它們之間的傅里葉變換滿足下式：〔3〕基于特征的圖像配準方法1.特征提取，根據(jù)圖像性質(zhì)提取對配準有用的特征信息。2.特征匹配，將兩幅圖像中提取的特征作對應。3.圖像轉(zhuǎn)換，利用特征信息進展轉(zhuǎn)換后獲得目標圖像。-.z.第三章像素級圖像融合的方法綜述3.1加權平均圖像融合方法設有兩幅圖像分別為A和B，它們?nèi)诤虾蟮膱D像為F，則：(3-1)式中，〔*,y〕為圖像中*一像素的位置，是權重系數(shù)，它們滿足：。最簡單的加權平融合方法就是采用平均權值〔〕3.2HIS空間圖像融合方法在HIS中，對于HIS，它表示的是表色系統(tǒng)。由這三個分量構成的HIS模型可以準確表示彩色圖像，I、H、S分別表示亮度、色調(diào)和飽和度，且互相獨立另外一種系統(tǒng)是由R、G、B組成的空間。以LandsatTM多光譜圖像與全色Pan圖像的融合為例，HIS空間圖像融合步驟一般為：1.對圖像的RGB空間中的R、G、B變換，得到I、H、S三個分量；2.再將亮度分量I按規(guī)則融合，得到新的亮度分量；3.再將、H、S反變換回RGB空間，完成融合過程。3.3主成分分析圖像融合方法主成分分析圖像融合方法對圖像作多維正交線性變換，實現(xiàn)圖像的相關和降維。對n個波段的多光譜圖像進展PCA變換時，對應n個波段圖像同一位置處的像素灰度構成了一個n維矢量數(shù)據(jù)，假設各波段圖像大小為，則共有個維矢量，這些矢量數(shù)據(jù)的協(xié)方差陣可計算為：，其中，。其中讓的特征值和特征向量使，其中，為的n個特征值，U的列向量為對應的特征向量。而主成分分量y可由*求得，即：，其中，、分別是第一和第二主成分，以此類推。3.4偽彩色圖像融合方法使用偽彩色的意義在于人眼對色彩的分辨要比灰度敏感很多，而且可分辨的色彩種類也較灰度來說多很多。而對于人眼的該特征，通過*種彩色化處理將蘊含在各源圖像中的灰度細節(jié)信息以彩色方式表征出來，可使人眼對圖像有更豐富的感知。第四章基于像素級小波變換的圖像融合方法概述小波變換是法國工程師在1974年提出來的一門新興理論，是一種新開展起來的數(shù)學工具，小波變換是在傅里葉變換的根底上建立起來的。圖像的小波變換反映了在經(jīng)過小波分解后各個頻率段信號重新形成的圖像。利用小波分解的方向性可獲得人眼辨析度更高的圖像。但小波基和分解層數(shù)的選取仍是分解過程中有待解決的問題。本章的主要工作就是通過實驗的方法,得出最正確小波基函數(shù)和分解層數(shù)。。4.1小波變換理論將一個根本的小波函數(shù)進展伸縮和平移變換可以得到對應小波函數(shù)，而小波變換是將信號投影到小波函數(shù)上，在將其分解后可得到一系列疊加在一起的小波函數(shù)設G為理想狀態(tài)下的低通濾波器，H為理想狀態(tài)下的高通濾波器，用它們對源信號多分辨率分解，則兩個支路輸出必為正交，且?guī)挏p半而不會引起信息喪失。因此，可在一級濾波后參加降二采樣之后用G和H對低頻分量進展濾波，然后再降二采樣，重復該過程就是對源信號進展了多分辨率分解，如下列圖2所示：圖2圖像的小波變換：這里運用到了Mallat快速算法對而為圖像進展小波分解。按照二維Mallat算法在尺度j一1上有如下的分解公式：〔4-3〕相應的重構公式如下：〔4-4〕圖像經(jīng)過小波分解后可獲得低頻近似分量、水平的高頻近似分量、垂直的高頻近似分量以及對角的高頻分量,四個分量用LL、LH、HL、HH來表示,而分解后的框架如下列圖所示，圖我們也稱之為塔形框架。4.2基于小波變換的圖像融合頻率域?qū)τ趫D像融合來說比空間域更為有效。將圖像進展N層的小波分解,可獲得一個高頻帶和一個包含近似分量的低頻帶。小波分解也被稱為小波金字塔分解，因為隨著層數(shù)的增多而數(shù)據(jù)尺寸在變小，最后形成塔狀構造?！?〕圖像的小波分解小波分解是對函數(shù)在伸縮和平移后形成的空間，對其投影后構成了對信號的多尺度分析。定義下面的符號：所張成的閉包，即〔4-5〕是由子空間構成的多分辨率空間，則有如下性質(zhì)1.單調(diào)性：〔4-6〕2.伸縮性：〔4-7〕3.平移不變性：〔4-8〕4.直和分解：〔4-9〕5.Riesz基存在性：存在使得{}是的Riesz基。(2)基于小波變換的融合方法小波變換的步驟為下：對將圖像作多尺度分解；各個分解層通過圖像特征信息獲得圖像的小波系數(shù)；變換,得到融合圖像?；谛〔ㄗ儞Q的圖像融合過程如下列圖所示：圖3基于小波變換的融合過程4.3基于小波變換的圖像融合性能分析〔1〕對一個小波基按不同層數(shù)融合。將兩幅對多聚焦圖像,使用同一小波基函數(shù)按照不同分解層數(shù)采用Matlab7.0編程進展仿真實驗,實驗結果如圖4所示。圖4圖像的熵、均值、標準差和空間分辨率的計算結果如表1所示：表1多聚焦圖像不同分解層數(shù)融合實驗數(shù)據(jù)將前視紅外圖像與微光夜視圖像,使用同一小波基函數(shù)按照不同分解層數(shù)采用Matlab7.0編程進展仿真實驗,實驗結果如圖5所示。圖5前視紅外圖像與微光夜視圖像不同分解層數(shù)融合結果圖像的熵、均值、標準差和空間分辨率的計算結果結果如表2所示：表2前視紅外圖像與微光夜視圖像不同分解層數(shù)融合實驗結果將兩幅遙感圖像,使用同一小波基函數(shù)按照不同分解層數(shù)采用Matlab7.O編程進展仿真實驗,實驗結果如圖6所示。圖6遙感圖像不同分解層數(shù)融合結果圖像的熵、均值、標準差和空間分辨率的計算結果結果如表3所示：通過上述三組實驗的結果分析可知,對于按照同一小波基進展融合的圖像,空間分辨率會隨著層數(shù)的增加而增大,說明了圖像的清晰度跟層數(shù)增加成正比;而融合圖像的熵在4-6層時到達最大值?！?〕不同小波基按同一層數(shù)融合同一實驗環(huán)境下,分別用harr、db、sym、coif等函數(shù)在小波分解后進展融合。多聚焦圖像的融合結果如圖7所示。圖7圖像的熵、均值、標準差和空間分辨率計算結果如表4所示：表4遙感圖像的融合結果如圖8所示：圖8遙感圖像不同小波基融合結果圖像的熵、均值、標準差和空間分辨率計算結果如表5所示：試驗結果說明:對遙感圖像來說,融合后圖像的熵值、均值、標準差以及分辨率總體變化不大。-.z.第五章像素級圖像