基于加权与改进的自适应小波变换卫星云图融合

基于加权与改进的自适应小波变换卫星云图融合汪大1，毕硕本2，颜坚1，郭忆2（1南京信息工程大学计算机与软件学院，南京210044；2南京信息工程大学遥感学院，南京210044）摘要以往的很多图像融合方法很少考虑要融合的图像的应用背景和实际意义，在设计时缺乏应用的针对性。本文根据红外云图和可见光云图融合的实际应用要求，提出了一种基于加权和改进的自适应局部方差小波变换融合方法，对小波变换后的低频分量，采用非均匀性加权融合方案，高频分量则采用改进的自适应局部方差融合准则确定融合系数。实验结果表明，算法在融合了可见光云图的纹理和细节信息，提高图像清晰度的同时，更多地保留了原红外云图的红外信息，云层特性更为分明，并且各项融合评价指标均有所提升，说明本文算法有一定的有效性和实用性。关键词红外云图；可见光云图；局部方差；加权；图像融合；小波变换中图分类号TP391文献标志码A文章编号SATELLITENEPHOGRAMFUSIONMETHODBASEDONWEIGHTINGANDIMPROVEDADAPTIVEWAVELETTRANSFORMWANGDA1，BISHUOBEN2，YANJIAN1，GUOYI2（1COLLEGEOFCOMPUTERANDSOFTWARE,NANJINGUNIVERSITYOFINFORMATIONSCIENCE2COLLEGEOFREMOTESENSING,NANJINGUNIVERSITYOFINFORMATIONSCIENCEVISIBLENEPHOGRAMLOCALVARIANCEWEIGHTINGIMAGEFUSIONWAVELETTRANSFORM0引言在灾害性的强对流天气监测和预警中，气象卫星获得的云图资料已成为重要的信息。红外云图的色调取决于物体的温度，可见光云图的色调取决于物体反射太阳辐射的强度，所以可用其识别不同高度的云。从目前气象卫星发展技术看，可见光云图分辨率高，而红外云图分辨率较低，相差大约四倍左右。由于两者表示的都是云层，所以对两者进行融合，会得到比较理想的云图，从而更好地用于强对流天气的自动检测和预警。图像融合是将两个或者两个以上的传感器在同一时间（或不同时间）获取的关于某个具体场景的图像或者图像序列信息加以综合，生成一个新的有关场景的解释，而这个解释是从单一传感器获取的信息中无法得到的1,2。图像融合的方法主要分为空间域和变换域两类3,4。空间域融合方法简单，但对图像的细节表现不足，融合效果并不理想。由于人类的视觉系统对事物的局部对比变换（如边界、拐点等）十分敏感，使得基于变换域的融合方法逐步取代空间域融合方法5。小波变换作为变换域的一种重要分析方法，具有较好的独立性和方向性，并且具有分解后数据总量不会增大的优势，成为目前图像融合的研究热点之一6。经小波变换后的图像，其低频分量反映图像的近似和平均特性，许多基于小波变换的图像融合算法针对低频系数的融合运算只是简单地采用加权平均法，如文献7，这种方法虽然简单，但是没有充分考虑待融合图像之间的相关信息；对于表征图像细节信息的高频部分，选取描述邻域变化程度的方差作为区域特征，文献8采用局部区域方差取大的融合规则，这种方法在图像对应像素的局部区域方差相差不大时，会丢失许多有用的信息。并且这些算法很少考虑要融合的各种图像的应用背景，缺乏应用的针对性。在气象监测与预警应用中，我们主要利用红外云图的亮温差值监测强对流云团，但红外云图分辨率较低，而可见光云图的分辨率高，能提供较为清晰的云图纹理特征和细节特征。因此融合图像在增加可见光云图的纹理和细节信息的同时，要尽可能多地保留红外云图的红外信息。基于此应用要求，本文提出了一种基于加权和改进的自适应局部方差小波变换融合方法。对小波变换后的低频分量，采用非均匀性加权融合方案，高频分量则采用改进的自适应局部方差融合准则确定融合系数。实验结果表明了该算法的有效性和优越性。1小波变换图像融合MALLATSG在BURT和ADELSON的塔形图像分解和重构算法的启发下，提出了小波变换的MALLAT快速算法9。对二维图像进行N层的小波分解之后，可得到3N1个不同子频带，其中包括3N个高频子带和一个低频子带。除了低频子带的数据为正值外，其他高频子带的数据均在零值左右分布。在高频子带中绝对值较大的系数对应于灰度突变之处，即对应于原始图像中的显著特征（如边缘、线、区域边界等）。基于小波变换的图像融合方法基本步骤如下（1）先对配准后的源图像进行二维离散小波分解；（2）在小波变换域内对表征图像的轮廓信息，即低频分量按一定的融合规则确定低频系数；（3）在小波变换域内对表征图像的细节信息，即高频分量在不同尺度上按一定的融合规则确定高频融合系数；（4）对融合后的小波系数进行小波逆变换，得到融合后的图像。在图像融合算法中，融合规则10,11的选取是至关重要的，它直接影响到融合后图像的质量。在基于小波变换的融合算法中，融合规则一般选择某个反映图像特征的量作为活性水平测度，以其大小作为融合图像小波系数的选择依据。2基于加权和改进的自适应局部方差小波变换融合准则在气象预警应用中，我们主要利用红外云图的亮温差值监测强对流云团，但红外云图分辨率较低，可见光云图的分辨率高，能提供较为清晰的云图纹理和细节特征。因此融合图像在增加可见光云图纹理信息的同时，尽可能多地保留红外云图的红外信息。根据此应用要求，本文提出了基于加权和改进的自适应局部方差小波变换融合新方法。融合流程图见图1所示。红外云图直方图匹配小波变换高频分量低频分量高频分量低频分量改进的自适应局部方差融合非均匀性加权融合重构融合云图红外云图可见光云图小波变换可见光云图图1基于加权和改进的自适应局部方差小波变换融合流程图21低频分量融合经小波分解得到的图像的低频子带表征了图像的近似信息，融合云图在提高纹理及细节信息的同时，要尽可能多地保留红外云图的红外信息。因此对于低频分量的融合，本文提出了非均匀性加权融合方案，即对低频部分依据其重要性采用不一样的加权权值（红外云图的权值高于可见光云图权值）予以融合。融合算法如公式1所示（1）,YXAQPYXAKKJIRKJVISJFUS其中，、和分别表示融JJJ合图像FUS、红外云图IR和可见光云图VIS的低频分量，P、Q为加权系数。22高频分量融合经小波分解得到的图像的高频子带反映原图像的亮度突变特性，表征图像的细节信息，各个高频子带系数之间呈现出明显的区域相关性，因此高频子带系数融合主要是以一个局域窗口为考察对象，计算局域内的统计特征12。对此，文献8给出了基于局部方差准则的融合，即取具有较大局部方差的高频系数作为融合系数。但当红外云图的局部方差与可见光云图的局部方差相差不大时，如果只考虑可见光云图信息，就会造成红外信息的丢失。针对上面情况，本文选取阈值T07，采用改进的自适应区域方差融合方法首先取以当前像素为中心的一个33局部区域，计算红外云图和可见光云图的局部方差，分别记为、KJIRVA。KJVISAR然后进行归一化处理，并对其做差，如公式（2）、（3）、（4）所示KJVISJIRKJANOJJJVSKISIKJDF式中，和分别表示红外云图IR和可见JIRJVIS光云图VIS在分解尺度J上K方向上局部方差归一化值，表示两者之差绝对值。当时，表明说明一幅KJITJ图像含有丰富的细节信息,而另一幅图像含有较少的细节信息，此时选择局部方差较大的小波系数为作为融合后的小波系数；当时，表示两幅云图细节信息相差不DIFKJ大，此时取红外云图的小波系数为融合后的小波系数。这样在增强融合云图纹理及细节信息的同时，尽可能多地保留原红外云图的红外信息。具体规则如公式（5）所示TDIFWVARKJJJSKISJFUS,式中，、和分别表示红外YXKJIRJ,YXJUS云图IR、可见光云图VIS和融合图像FUS在分解尺度J上K方向上融合图像的高频分量。3融合实验结果及分析为了验证算法的正确性与有效性，在实验测试时采用以下三种算法进行比较方法1低频与高频分量均采用加权平均法；方法2低频采用加权平均法，高频采用局部方差法；方法3本文算法。实验采用FY2E在2011年10月16日12时观测到的我国华南地区卫星云图数据，如图2、3所示，云图已进行直方图匹配预处理。采用DAUB4为小波滤波器矩阵，分解层数为3。结果如图4图8所示。图2红外云图图3可见光云图图4方法1融合云图图5方法2融合云图图6方法3，P085图7方法3，P07图8方法3，P065表1红外云图与可见光云图的融合性能评价融合方法均值信息熵平均梯度与IR相关系数与VIS相关系数方法111003265471241908650722方法211482465671366206560883（5）（2）（3）（4）方法3,P08511764365921281208640752方法3,P0711928766141342608050827方法3,P06511603165711371206890865对融合结果进行对比分析。从视觉效果来看，本文算法取得了一个较好的融合效果。和方法1相比，融合云图更为清晰，纹理特征更加丰富；和方法2相比，算法在提高了融合云图纹理和细节信息的同时，更多地保留了原红外图像的红外信息，云层特性更为分明。为进一步比较，本文采用基于文献13,14客观评价指标，统计了均值、信息熵、平均梯度、相关系数四种指标，表1给出了统计结果。从表中可以看出，本文算法生成的云图在均值和信息熵两方面均得到了提高。权值P、Q的改变，对融合结果有着一定的影响。当P取07、Q取03时，虽然图像的平均梯度有所减少，但融合云图的均值和信息熵达到最大，此时融合云图与原始云图的相关性最好，算法在纹理细节信息的增强和红外信息的保持之间取得了一个最好的效果。4结束语本文根据红外云图和可见光云图融合的实际应用要求，提出了一种基于加权和改进的自适应局部方差小波变换融合方法。实验结果表明，该方法克服了加权平均法中细节纹理信息不够清晰的缺点，同时也克服了局部方差取大时红外信息丢失的缺点。算法在融合了可见光云图的纹理和边缘信息，提高图像清晰度的同时，更好地保持了原红外云图的红外信息，云层特性更为分明。且当P取07、Q取03时融合取得了一个最好的效果，是一种较理想的卫星云图融合方法。参考文献1卢振坤,玉振明基于局部GABOR能量的多聚焦图像融合J计算机应用研究，2010,275194419472覃征,鲍复民,李爱国等数字图像融合M西安西安交通大学出版社,2004123LIST,YANGBMULTIFOCUSIMAGEFUSIONUSINGREGIONSEGMENTATIONANDSPATIALFREQUENCYJIMAGEANDVISIONCOMPUTING,2008,2679719794DOMN,VETTERLIMTHECONTOURLETTRANSFORMANEFFICIENTDIRECTIONALMULTIRESOLUTIONIMAGEREPRESENTATIONJIEEETRANSONIMAGEPROCESSING,2005,142209121065孙巍,王珂,袁国良等基于复数小波域的多聚焦图像融合J中国图象图形学报,2008,1359519576ZHAORUI,ZHANGKE,LIYANJUNANIMAGEFUSIONALGORITHMUSINGWAVELETTRANSLATEJACTELECTRONICSINICA,2004,2157507537刘喜贵,刘纯虎,凌文杰一种基于小波多分辨率分解的图像融合新算法J光电子激光,2004,1533443478WENCY,CHENJKMULTIRESOLUTIONIMAGEFUSIONTECHNIQUEANDITSAPPLICATIONTOFORENSICSCIENCEJFORENSICSCIENCEINTERNATIONAL,2004ALLATSGATHEORYFORMULTIRESOLUTIONSIGNALDECOMPOSITIONTHEWAVELETREPRESENTATIONJIEEETRANSACTIONONPATTERNANALYSISANDMACHINEINTELLIGENCE,1988,11767469310岳晋,杨汝良,宦若红基于双密度双树复数小波变换的图像融合研究J电子与信息学报,2009,31112913311LUORC,YIHCHIHCHEN,SUKUOLANMULTISENSORFUSIONANDINTERGRATIONAPPROACH,APPLICATION,ANDFUTURERESEARCHDIRECTIONSJIEEESENSORJOURNAL,200