基于小波变换的图像融合性能的研究

1、基于小波变换的图像融合性能的研究鄢树(成都大学学前教育学院,四川成都,610021摘要:基于小波变换的图像融合方法已成为现今研究的热点,针对图像融合过程中由于各种因素不同将会对最后融合的性能产生较大的影响,利用了不同的小波基和分解层次对比分析了融合结果,深入研究了影响性能的关键因素。关键字:性能;图像融合;小波变换中图分类号:TP391 文献标志码:AThe Research On the Performance of Image FusionBased On Wavelet TransformYan Shu( Preschool Education College of Chengdu Un

2、iversity, Chengdu, 610021 Abstract: Recently the method of image fusion based on wavelet transform has become the research hot spot, and it has great impact on the performance of fusion with the different factors. Through taking measure of the different wavelet basis and decomposition level to analy

3、ze the fusion results, it deeply researches the key influence factor of performance.Key words: Performance; Image Fusion; Wavelet Transform0 前言在众多的图像融合技术中,基于小波变换的图像融合方法已成为现今研究的一个热点。图像融合是将不同传感器得到的多个图像根据某个算法进行综合处理,以得到一个新的、满足某种需求的新图像,它可将同一对象的两个或者更多的图像合成在一幅图像中,以便它比原来的任何一幅图像更容易为人们所理解。高效的图像融合方法可以根据需要综合处理多

4、源通道的信息,从而有效的提高了图像信息的利用率和系统对目标探测识别的可靠性。其目的是将单一传感器的多波段信息或不同类传感器所提供的信息加以综合,以增强影像中信息解译的精度、可靠性以及使用率,以形成对目标的清晰、完整、准确的信息描述。在众多的图像融合技术中,基于小波变换的图像融合方法已成为现今研究的一个热点。这类算法主要是利用人眼对局部对比度的变化比较敏感这一事实,根据一定的融合规则,在多幅原图像中选择出最显著的特征,例如边缘、线段等,并将这些特征保留在最终的合成图像中。文献1报告了基于边缘检测小波变换用于图像融合的可行性,并取得了较好的实验效果,但没有系统地阐述融合的过程和方法。Li2从统计学

5、习角度研究了多聚焦图像融合问题,通过训练支持向量机实现对于源图像中清晰像素与模糊像素的分类,进而生成融合图像。Zhang等人3总结了多分辨率图像融合技术中使用频率最高的两种融合规则选择融合和加权平均融合,虽然它们具有计算简单的优点,但同时存在融合图像失真、对比度信息损失等问题。彭启民和贾云4提出了一种基于小波变换的全向图像分辨率增强算法,根据全向图像成像的退化模型,利用小波系数的自相似性及其模的极值点在各层间的传递性,对全向图像丢失的高频成分进行补偿,结合对图像序列中的各帧进行融合的方法,达到分辨率增强的目的。文献5给出了一种基于小波变换的图像融合方法,并针对小波分解的不同频率域,分别讨论了选

6、择高频系数和低频系数的原则,选择高频系数时,基于绝对值最大的原则,并对选择结果进行了一致性验证。文献6对图像失真方面进行了改进。小波变换在图像融合中有着非常重要的应用,基于小波分析的图像融合是近年来国内外一个活跃的研究领域,二维小波分析用于图像融合是小波分析应用的一个重要方面,基于小波变换的图像融合能取得良好的结果,使图像融合成为小波理论最成功的应用领域之一。在一幅图像的小波变换中,绝对值较大的小波系数对应于边缘这些较为显著的特征,所以大部分基于小波变换的图像融合算法主要研究如何选择合成图像中的小波系数,也就是三个方向上的高频系数,从而达到保留图像边缘的目的。虽然小波系数(高频系数的选择对于保

7、留图像的边缘等特征具有非常主要的作用,但尺度系数(低频系数决定了图像的轮廓,正确地选择尺度系数对提高合成图像的视觉效果具有举足轻重的作用.文章给出了一种基于小波变换的图像融合算法,在考虑小波系数选择规则的前提下,还重点研究了尺度系数的选择方案。小波系数的选择基于绝对值最大的原则,并对选择方案的一致性进行了验证。所谓的一致性指的是对于空间某像素点,其小波系数的选择方案应和其邻近点一致。文章设计了三种选择尺度系数的方案,并从理论上和仿真结果上对这三种方案进行了比较,选择出一种最好的方案。文章给出的算法可用于两幅图像或多幅图像的融合,从仿真结果可看出,这个算法较好地保持了图像的边缘,具有较好的视觉效

8、果。本文设计了三种选择尺度系数的方案,并从理论上和仿真结果上对这三种方案进行了比较,选择出一种最好的方案。本文给出的算法可用于两幅图像或多幅图像的融合,从仿真结果可看出,这个算法较好地保持了图像的边缘,具有较好的视觉效果。本文从基于小波变换的图像融合入手,详细介绍了小波变换在图像融合中的算法,着重研究小波变换中对图像融合的性能的关键因素,最后用实验进行验证。1 小波变换这里引入尺度函数2(L R ,如果它产生2(L R 下的一个尺度分析或多分辨率分析j V 。其中j V 为由,j k 所张成的线性包,即:2/2,(|,2(2j j j j k j k V closL R k z x k =-

9、(1在空间1j V -和j V 之间定义空间1j W -,它满足1111,j j j j j V V W V W -=,其中表示直和。由此定义可以看出:j W 相互正交,并满足2(j j z W L R =。如果假定空间j W 是由某一小波函数经平移和伸缩产生的,即2,(,j j k W closL R k z =, /2,2(2j j j k x k =- (2 这样小波可纳入一个统一的框架多分辨率分析中。这里假设2(f V L R ,其中在子空间j V 上的投影为N f ,由于11j j j V V W -=,因此N f 可进一步分解为11N N N f f g -=+,其中1N f -和

10、1N g -分别为f 在空间1j V -和1j W -上的投影,重复这一过程:11N N N N M N M f g g g f -=+L (32 基于小波变换的图像融合对图像进行小波分解,以得到图像的高频信息,作为后期目标判决的依据,小波变换应用于图像融合的优势在于它可以将图像分解到不同的频率域,在不同的频率域运用不同的选择规则,得到合成图像的多分辨分解,从而在合成图像中保留原图像在不同频率域的显著特征。根据小波变换的图像融合算法的思想,其主要步骤如下:(1 对多源图像进行几何精确配准;(2 选取合适的小波基以及分解层数,对原始图像进行多层小波分解,获取各自的近似系数和细节系数。(3 根据具

11、体需要,选择小波系数的融合规则。比如可以小波系数进行均值滤波或者中值滤波等。(4 对小波系数反变换后,得到融合后的图像。根据这一思路可以对多源图像进行融合。在融合算法中,对原始图像进行小波分解,这里就存在选取合适的小波基以及分解层数。不同的小波基的选择对最后分解的结果有很大的影响,并且小波变换的分解层次并不是越多越好。这里给出一个具体的试验。3 基于小波变换的图像融合的影响因素图1和图2是需要进行融合的两个图像,结合基于小波变换的图像融合算法,这里给出伪代码:(1 首先将图1和图2进行几何精确配准,这里将图1和图2的类型和大小相一致。(2 导入图1和图2,选取sym4小波基对两幅图分别进行两层

12、分解,得到近似系数c1、c2和细节系数s1、s2。(3 然后利用均值滤波,对两幅图的近似系数和细节系数分别进行处理,得到待融合的近似系数c和细节系数s。(4 最后进行小波反变换,得到融合图像。这样得到的融合图像如图3所示。 图1 融合图像1 图2 融合图像2 这里做三方面的变换,第一保持小波基sym4不变,改变分解层次;第二保持分解层次2不变,改变小波基sym4;第三同时改变小波基sym4和分解层次2;首先来做第一方面变换,保持小波基不变,将分解层次改为5,得到融合结果如图4所示。从图3可以发现融合效果比图4的融合效果好。所以这说明并非小波分解层次越多效果越好。同时,改变小波函数保持分解层次不

13、变,这里使用db10小波进行2层次的分解,融合后的结果如图5所示。从图5可以发现融合效果比图3的融合效果更好,这说明改变小波基后达到了更好融合的目的。 图3 sym4小波2层分解后融合图像 图4 sym4小波5层分解后融合图像最后做第三方面测试,同时改变小波基和分解层次,使用coif5小波做5层分解,融合后的结果如图6所示,从图6可以发现融合效果比图3的融合效果更好,这说明改变小波基和分解层次后达到了更好融合的目的。 图5 db10小波2层分解后融合图像 图6 coif5小波5层分解后融合图像 从以上的分析可以看出,对于基于小波变换的图像融合来说,选择一个合适的小波基以及一个合适的分解层次对最

14、后的融合效果是至关重要的。4 结论本文结合小波变换对不同图像进行了融合,利用不同的小波基和分解层次得到不同的融合效果,深入分析了在融合过程中的影响因素。本文作者创新点:深入研究了小波变换中图像融合中的影响因素。本文所产生的经济效益无法估计。在后续研究中,对应每一类图像应采用何种小波基和分解层次进行变换,这也是使用小波变换存在的一个普遍问题,如果能将这一问题得到解决,这将会使小波技术得到进一步发展。参考文献1 S GNilolv,D R Bull,CNCanagarajah,MHalliwell,PNTWells.2-Dimage fusion by multi-scaleedge graph

15、combinationC. IEEE Information Fusion,2000.Proceedings of the ThirdInternational Conference. IEEE,2000.2 Zhang Z, Blum RS. A categorization of multiscale-decomposition-based image fusion schemes with a performance study for a digital camera applicationJ. Proc of the IEEE, 1999, 87(8: 1315-1326.3 Li ST, Kwok JT, Tsang IW, Wang YN. Fusing images with different focuses using support vector machinesJ. IEEE Trans. on Neural Networks, 2004,15(6:1555-1561.4 彭启民,贾云得. 基于小波变换的全向图像分辨率增强方法J. 电子学. Nov. 2004, V ol. 32,No 11: 1875-1879.5 晁锐,张科,李言俊. 一种基于小波变换的图像融合算法J. 电子学报. May. 2004, V