多光譜圖像信息融合技術(shù)研究

1、題目編號1ChangchunUniversityofScienceandTechnology多光譜圖像信息融合技術(shù)研究ResearchOnTechnologiesOfTheMultiImageInformationFusion學(xué)生姓名TOC o 1-5 h z專業(yè)學(xué)號指導(dǎo)教師學(xué)院2012年06月長春理工大學(xué)論文- -目錄TOC o 1-5 h z HYPERLINK l bookmark2 摘要1Abstract1 HYPERLINK l bookmark4 1、緒論2 HYPERLINK l bookmark6 1.1課題開發(fā)背景2111圖像融合的定義2112手動配準(zhǔn)與圖象融合2113圖象融

2、合研究的發(fā)展現(xiàn)狀和研究熱點31.2課題設(shè)計要求42、MATLAB程序設(shè)計5 HYPERLINK l bookmark12 MATLAB軟件簡介5 HYPERLINK l bookmark14 MATLAB軟件窗口環(huán)境7 HYPERLINK l bookmark16 M語言編程8 HYPERLINK l bookmark18 3、圖像融合算法9 HYPERLINK l bookmark20 3.1圖象融合算法的層次分類9 HYPERLINK l bookmark22 3.2圖像融合規(guī)則10 HYPERLINK l bookmark24 3.3圖像融合方法113.4圖像融合步驟錯誤！未定義書簽。4

3、、各算法程序錯誤！未定義書簽。一般方法錯誤！未定義書簽。PCA算法程序錯誤！未定義書簽。4.3金字塔（Pyramid）算法程序錯誤！未定義書簽。4.4小波變換（DWT）算法程序185、實驗結(jié)果錯誤！未定義書簽。6、圖像融合的應(yīng)用錯誤！未定義書簽。7、總結(jié)錯誤！未定義書簽。參考文獻(xiàn)錯誤！未定義書簽。摘要數(shù)字圖像融合是以圖像為主要研究內(nèi)容的數(shù)據(jù)融合技術(shù)，是把多個不同模式的圖像傳感器獲得的同一場景的多幅圖像或同一傳感器在不同時刻獲得的同一場景的多幅圖像合成為一幅圖像的過程。本文首先介紹了數(shù)字圖像融合的定義、發(fā)展現(xiàn)狀和研究熱點，接著論述了圖像融合的規(guī)則、方法和步驟。并給出了三種融合算法程序，即PCA算

4、法、金字塔圖像融合算法與基于小波變換的算法程序，在最后論述了圖像融合技術(shù)在軍事、醫(yī)學(xué)圖像和遙感測控中的應(yīng)用。關(guān)鍵詞：圖像融合小波變換MatlabAbstractDigitalimagefusionisthetechnologyofdatafusionmainlystudytheimagesisthedifferentpatternsofimagesofthesamescenesensorstothesamenumberofsensorsorimagesacquiredatdifferenttimesthesamesceneforanumberofsyntheticimagesimagespro

5、cess.Thefirstintroduceddigitalimageintegrationdefinition,thecurrentdevelopmentandresearchhot,andthendiscussedtheintegrationofimagesoftherules,methodsandsteps.ThreeintegrationalgorithmsandproceduresgiventhatthePCAalgorithms,pyramidimageintegrationalgorithmsandalgorithmsbasedonwaveletschangeprocedures

6、discussedinthefinalimageintegrationtechnologyinthemilitary,medicalimagingandremotesensing,monitoringandcontrolapplications.Keywords：ImagefusionWaveletschangeMatlab1、緒論1.1課題開發(fā)背景111圖像融合的定義數(shù)字圖像融合(DigitalImageFusion)是以圖像為主要研究內(nèi)容的數(shù)據(jù)融合技術(shù)，是把多個不同模式的圖像傳感器獲得的同一場景的多幅圖像或同一傳感器在不同時刻獲得的同一場景的多幅圖像合成為一幅圖像的過程。由于不同模式的圖像

7、傳感器的成像機理不同，工作電磁波的波長不同，所以不同圖像傳感器獲得的同一場景的多幅圖像之間具有信息的冗余性和互補性，經(jīng)圖像融合技術(shù)得到的合成圖像則可以更全面、更精確地描述所研究的對象。正是由于這一特點，圖像融合技術(shù)現(xiàn)已廣泛地應(yīng)用于軍事、遙感、計算機視覺、醫(yī)學(xué)圖像處理等領(lǐng)域中。數(shù)字圖像融合是圖像分析的一項重要技術(shù)，該技術(shù)在數(shù)字地圖拼接、全景圖、虛擬現(xiàn)實等領(lǐng)域有著重要應(yīng)用。雖然Photoshop等圖像處現(xiàn)軟件提供了圖像處理功能，可以通過拖放的方式進(jìn)行圖像拼接，但由于完全是手工操作，單調(diào)乏味，且精度不高，因此，有必要尋找一種方便可行的圖像融合方法。Matlab具有強大的計算功能和豐富的工具箱函數(shù)，例

8、如圖像處理和小波工具箱包含了大多數(shù)經(jīng)典算法，并且它提供了一個非常方便快捷的算法研究平臺，可讓用戶把精力集中在算法上而不是編程上，從而能大大提高研究效率。1.1.2手動配準(zhǔn)與圖象融合圖像融合包含圖像配準(zhǔn)和無縫合成兩個部分由于成像時受到各種變形因素的影響，得到的各幅圖像間存在著相對的幾何差異。圖像配準(zhǔn)是通過數(shù)學(xué)模擬來對圖像間存在著的幾何差異進(jìn)行校正，把相鄰兩幅圖像合成到同一坐標(biāo)系下，并使得相同景物在不同的局部圖像中對應(yīng)起來，以便于圖像無縫合成。本文采用Matlab中的cpselect、cp2tform函數(shù)完成幾何配準(zhǔn)。cpselect函數(shù)顯示圖像界面，手動在兩幅圖像的重疊部分選取配準(zhǔn)控制點，Mat

9、lab自動進(jìn)行亞像素分析，由cp2tform函數(shù)值正重疊部分的幾何差異。Matlab中的cp2tform函數(shù)能修正6種變形，分別是圖(b)：線性相似；圖(c)：仿射；圖(d):投影；圖(e):多頂式；圖(o：分段線性；圖(g)：局部加權(quán)平均。前4種為全局變換，后兩種為局部變換，如圖I所示，圖(a)為修正結(jié)果；圖(b)至圖(g)為對應(yīng)的變形。(a)(b)(c)(d)(e)(0(g)圖1-1cp2tform函數(shù)能修正的6種幾何變形圖像配準(zhǔn)之后，由于圖像重疊區(qū)域之間差異的存在，如果將圖像象素簡單疊加，拼按處就會出現(xiàn)明顯的拼接縫，因此需要一種技術(shù)修正待拼接圖像拼接縫附近的顏色值，使之平滑過渡，實現(xiàn)無縫

10、合成。傳統(tǒng)的融合方法多是在時間域?qū)D像進(jìn)行算術(shù)運算，沒有考慮處理圖像時其相應(yīng)頻率域的變化。從數(shù)學(xué)上講，拼接縫的消除相當(dāng)于圖像顏色或灰度曲面的光滑連接，但實際上圖像的拼接與曲面的光滑不同，圖像顏色或灰度曲面的光滑表現(xiàn)為對圖像的模糊化，從而導(dǎo)致圖像模糊不清。113圖象融合研究的發(fā)展現(xiàn)狀和研究熱點在眾多的圖像融合技術(shù)中，基于小波變換的圖像融合方法已成為現(xiàn)今研究的一個熱點。這類算法主要是利用人眼對局部對比度的變化比較敏感這一事實，根據(jù)一定的融合規(guī)則，在多幅原圖像中選擇出最顯著的特征，例如邊緣、線段等，并將這些特征保留在最終的合成圖像中。在一幅圖像的小波變換中，絕對值較大的小波系數(shù)對應(yīng)于邊緣這些較為顯著

11、的特征，所以大部分基于小波變換的圖像融合算法主要研究如何選擇合成圖像中的小波系數(shù)，也就是三個方向上的高頻系數(shù)，從而達(dá)到保留圖像邊緣的目的。雖然小波系數(shù)(高頻系數(shù))的選擇對于保留圖像的邊緣等特征具有非常主要的作用，但尺度系數(shù)(低頻系數(shù))決定了圖像的輪廓，正確地選擇尺度系數(shù)對提高合成圖像的視覺效果具有舉足輕重的作用。本文給出了一種基于小波變換的圖像融合算法，在考慮小波系數(shù)選擇規(guī)則的前提下，還重點研究了尺度系數(shù)的選擇方案。小波系數(shù)的選擇基于絕對值最大的原則，并對選擇方案的一致性進(jìn)行了驗證。所謂的一致性指的是對于空間某像素點，其小波系數(shù)的選擇方案應(yīng)和其鄰近點一致。本文設(shè)計了三種選擇尺度系數(shù)的方案，并從

12、理論上和仿真結(jié)果上對這三種方案進(jìn)行了比較，選擇出一種最好的方案。本文給出的算法可用于兩幅圖像或多幅圖像的融合，從仿真結(jié)果可看出，這個算法較好地保持了圖像的邊緣，具有較好的視覺效果。2、MATLAB程序設(shè)計MATLAB軟件簡介MATLAB的名稱源自MatrixLaboratory，它是一種科學(xué)計算軟件，專門以矩陣的形式處理數(shù)據(jù)。MATLAB將高性能的數(shù)值計算和可視化集成在一起，并提供了大量的內(nèi)置函數(shù)，從而被廣泛地應(yīng)用于科學(xué)計算、控制系統(tǒng)、信息處理等領(lǐng)域的分析、仿真和設(shè)計工作，而且利用MATLAB產(chǎn)品的開放式結(jié)構(gòu)，可以非常容易地對MATLAB的功能進(jìn)行擴充，從而在不斷深化對問題認(rèn)識的同時，不斷完善

13、MATLAB產(chǎn)品以提高產(chǎn)品自身的競爭能力。目前MATLAB產(chǎn)品族可以用來進(jìn)行：數(shù)值分析數(shù)值和符號計算工程與科學(xué)繪圖控制系統(tǒng)的設(shè)計與方針數(shù)字圖像處理數(shù)字信號處理通訊系統(tǒng)設(shè)計與仿真財務(wù)與金融工程表2-1MATLAB產(chǎn)品族MATLAB是MATLAB產(chǎn)品家族的基礎(chǔ)，它提供了基本的數(shù)學(xué)算法，例如矩陣運算、數(shù)值分析算法，MATLAB集成了2D和3D圖形功能，以完成相應(yīng)數(shù)值可視化的工作，并且提供了一種交互式的高級編程語言一一M語言，利用M語言可以通過編寫腳本或者函數(shù)文件實現(xiàn)用戶自己的算法。MATLABCompiler是一種編譯工具，它能夠?qū)⒛切├肕ATLAB提供的編程語言一一M語言編寫的函數(shù)文件編譯生成為

14、函數(shù)庫、可執(zhí)行文件COM組件等等。這樣就可以擴展MATLAB功能，使MATLAB能夠同其他高級編程語言例如C/C+語言進(jìn)行混合應(yīng)用，取長補短，以提高程序的運行效率，豐富程序開發(fā)的手段。利用M語言還開發(fā)了相應(yīng)的MATLAB專業(yè)工具箱函數(shù)供用戶直接使用。這些工具箱應(yīng)用的算法是開放的可擴展的，用戶不僅可以查看其中的算法,還可以針對一些算法進(jìn)行修改，甚至允許開發(fā)自己的算法擴充工具箱的功能。目前MATLAB產(chǎn)品的工具箱有四十多個，分別涵蓋了數(shù)據(jù)獲取、科學(xué)計算、控制系統(tǒng)設(shè)計與分析、數(shù)字信號處理、數(shù)字圖像處理、金融財務(wù)分析以及生物遺傳工程等專業(yè)領(lǐng)域。圖2-1MATLAB的框圖設(shè)計環(huán)境Simulink是基于M

15、ATLAB的框圖設(shè)計環(huán)境，可以用來對各種動態(tài)系統(tǒng)進(jìn)行建模、分析和仿真，它的建模范圍廣泛，可以針對任何能夠用數(shù)學(xué)來描述的系統(tǒng)進(jìn)行建模，例如航空航天動力學(xué)系統(tǒng)、衛(wèi)星控制制導(dǎo)系統(tǒng)、通訊系統(tǒng)、船舶及汽車等等，其中了包括連續(xù)、離散，條件執(zhí)行，事件驅(qū)動，單速率、多速率和混雜系統(tǒng)等等。Simulink提供了利用鼠標(biāo)拖放的方法建立系統(tǒng)框圖模型的圖形界面，而且Simulink還提供了豐富的功能塊以及不同的專業(yè)模塊集合，利用Simulink幾乎可以做到不書寫一行代碼完成整個動態(tài)系統(tǒng)的建模工作。Stateflow是一個交互式的設(shè)計工具，它基于有限狀態(tài)機的理論，可以用來對復(fù)雜的事件驅(qū)動系統(tǒng)進(jìn)行建模和仿真。Statef

16、low與Simulink和MATLAB緊密集成，可以將Stateflow創(chuàng)建的復(fù)雜控制邏輯有效地結(jié)合到Simulink的模型中。在MATLAB產(chǎn)品族中，自動化的代碼生成工具主要有Real-TimeWorkshop（RTW）和StateflowCoder，這兩種代碼生成工具可以直接將Simulink的模型框圖和Stateflow的狀態(tài)圖轉(zhuǎn)換成高效優(yōu)化的程序代碼。利用RTW生成的代碼簡潔、可靠、易讀。目前RTW支持生成標(biāo)準(zhǔn)的C語言代碼，并且具備了生成其他語言代碼的能力。整個代碼的生成、編譯以及相應(yīng)的目標(biāo)下載過程都是自動完成的，用戶需要做得僅僅使用鼠標(biāo)點擊幾個按鈕即可。MathWorks公司針對不同

17、的實時或非實時操作系統(tǒng)平臺，開發(fā)了相應(yīng)的目標(biāo)選項，配合不同的軟硬件系統(tǒng)，可以完成快速控制原型(RapidControlPrototype)開發(fā)、硬件在回路的實時仿真(Hardware-in-Loop)、產(chǎn)品代碼生成等工作。另外，MATLAB開放性的可擴充體系允許用戶開發(fā)自定義的系統(tǒng)目標(biāo)，利用Real-TimeWorkshopEmbeddedCoder能夠直接將Simulink的模型轉(zhuǎn)變成效率優(yōu)化的產(chǎn)品級代碼。代碼不僅可以是浮點的，還可以是定點的。SirnHink.Real-TimeWcxkifKjpCoderSEntafln*RfraJ-TinxiIM日rf甘旳Targel圖2-2MATLAB

18、系統(tǒng)發(fā)體系勺開發(fā)首選軟件,MATLAB開放的產(chǎn)品體系使MATLAB成為了諸多領(lǐng)并且，MATLAB還具有300余家第三方合作伙伴，分布在科學(xué)計算、機械動力、化工、計算機通訊、汽車、金融等領(lǐng)域。接口方式包括了聯(lián)合建模、數(shù)據(jù)共享、開發(fā)流程銜接等等。MATLAB軟件窗口環(huán)境計算機安裝好MATLAB之后，雙擊MATLAB圖標(biāo)，就可以進(jìn)入命令窗口，此時意味著系統(tǒng)處于準(zhǔn)備接受命令的狀態(tài)，可以在命令窗口中直接輸入命令語句。MATLAB語句形式變量=表達(dá)式；通過等于符號將表達(dá)式的值賦予變量。當(dāng)鍵入回車鍵時，該語句被執(zhí)行。語句執(zhí)行之后，窗口自動顯示出語句執(zhí)行的結(jié)果。如果希望結(jié)果不被顯示，則只要在語句之后加上一個分

19、號（；）即可。此時盡管結(jié)果沒有顯示，但它依然被賦值并在MATLAB工作空間中分配了內(nèi)存。變量和數(shù)值顯示格式：（1）變量變量的命名：變量的名字必須以字母開頭（不能超過19個字符），之后可以是任意字母、數(shù)字或下劃線；變量名稱區(qū)分字母的大小寫；變量中不能包含有標(biāo)點符號。一些特殊的變量ans:用于結(jié)果的缺省變量名i、j虛數(shù)單位pi：圓周率nargin：函數(shù)的輸入變量個數(shù)eps:計算機的最小數(shù)nargout：函數(shù)的輸出變量個數(shù)inf：無窮大realmin:最小正實數(shù)realmax:最大正實數(shù)nan:不定量flops:浮點運算數(shù)變量操作在命令窗口中，同時存儲著輸入的命令和創(chuàng)建的所有變量值，它們可以在任何需

20、要的時候被調(diào)用。如要察看變量a的值，只需要在命令窗口中輸入變量的名稱即可：a（2）數(shù)值顯示格式任何MATLAB的語句的執(zhí)行結(jié)果都可以在屏幕上顯示，同時賦值給指定的變量，沒有指定變量時，賦值給一個特殊的變量ans，數(shù)據(jù)的顯示格式由format命令控制。format只是影響結(jié)果的顯示，不影響其計算與存儲；MATLAB總是以雙字長浮點數(shù)（雙精度）來執(zhí)行所有的運算。M語言編程MATLAB是美國MathWorks公司開發(fā)的用于教育、工程與科學(xué)計算的軟件產(chǎn)品，它向用戶提供從概念設(shè)計、算法開發(fā)、建模仿真到實時實現(xiàn)的理想集成環(huán)境。無論是進(jìn)行科學(xué)研究、產(chǎn)品開發(fā)，還是從事教育事業(yè),MATLAB產(chǎn)品都是非常有效的工

21、具。相對于其他類似于MATLAB的仿真軟件，MATLAB的一個顯著特點就是它提供了一種用于編程的高級語言一M語言。通過這種語言，用戶可以用類似于數(shù)學(xué)公式的方式來編寫算法，大大降低了編程所需的難度并節(jié)省了時間，從而讓用戶把主要的精力集中在算法的構(gòu)思而不是編程上。在MATLAB中,在給變量賦值之前，不需要定義它的類型。例如對變量varl賦值1000，并沒有事先定義varl的數(shù)據(jù)類型。MATLAB會自動決定變量的類型，并為它分配內(nèi)存空間。對上述變量varl,MATLAB將它默認(rèn)定義為雙精度浮點型，分配8個字節(jié)的存儲空間。M語言中的變量名（包括函數(shù)名）是以英文字母開頭的英文字母、下劃線和阿拉伯?dāng)?shù)字的組

22、合，有效長度不超過31。M語言支持類似于數(shù)學(xué)公式的編程。例如，C=A+B就可完成矩陣A和矩陣B的相加運算，并把結(jié)果存儲在C中。MATLAB中所有的變量都沒有維數(shù)的限制（維數(shù)自動擴展），并且是以數(shù)組（array）的方式存儲。但在數(shù)學(xué)意義上，基本上可以把所有的變量都當(dāng)作矩陣來理解，尤其是對數(shù)值變量（對于結(jié)構(gòu)數(shù)組，元胞數(shù)組最好不要當(dāng)作矩陣來理解）。例如在C=A+B中，變量A和B都是以2X2維數(shù)組的方式存儲的（存儲方式為按列存儲，而C/C+中的數(shù)組變量是按行存儲的，這個區(qū)別需要注意），在數(shù)學(xué)意義上可將A和B當(dāng)作兩個2X2維的矩陣，C=A+B完成的便是兩個矩陣的相加運算。同樣的，U，S，V=svd（A）

23、實現(xiàn)對矩陣A的奇異值分解。在MATLAB中所有變量的維數(shù)都可自動擴展，但始終保持它的矩形結(jié)構(gòu)。3、圖像融合算法3.1圖象融合算法的層次分類圖像融合系統(tǒng)的算法按層次結(jié)構(gòu)劃分可分為信號級、像素級、特征級和決策級。信號級融合:是指合成一組傳感器信號，目的是提供與原始信號形式相同但品質(zhì)更高的信號。像素級圖像融合:是指直接對圖像中像素點進(jìn)行信息綜合處理的過程像素級圖像融合的日的是生成一幅包含更多信息、更清晰的圖像像素級圖像融合屬于較低層次的融合，目前，大部分研究集中在該層次上。像素層圖像融合一般要求原始圖像在空間上精確配準(zhǔn)，如果圖像具有小同分辨率，在融合前需作映射處理。特征級圖像融合:是指從各個傳感器圖

24、像中提取特征信息，并將其進(jìn)行綜合分析和處理的過程。提取的特征信息應(yīng)是像素信息的充分表示量或充分統(tǒng)計量，典型的特征信息有邊緣、形狀、輪廓、角、紋理、相似亮度區(qū)域、相似景深區(qū)域等在進(jìn)行融合處理時，所關(guān)心的主要特征信息的具體形式和內(nèi)容與多傳感器圖像融合的應(yīng)用目的/場合密切相關(guān)。通過特征級圖像融合可以在原始圖像中挖掘相關(guān)特征信息、增加特征信息的可信度、排除虛假特征、建立新的復(fù)合特征等。特征級圖像融合是中間層次上的融合，為決策級融合做準(zhǔn)備。特征級融合對傳感器對準(zhǔn)要求不如信號級和像素級要求嚴(yán)格，因此圖像傳感器可分布于不同平臺上。特征級融合的優(yōu)點在于可觀的信息壓縮，便于實時處理。由于所提出的特征直接與決策分

25、析有關(guān)，因而融合結(jié)果能最大限度地給出決策分析所需要的特征信息。目前大多數(shù)C4I系統(tǒng)的數(shù)據(jù)融合研究都是在該層次上展開的。決策級圖像融合:是指對每個圖像的特征信息進(jìn)行分類、識別等處理，形成相應(yīng)的結(jié)果后，進(jìn)行進(jìn)一步的融合過程最終的決策結(jié)果是全局最優(yōu)決策。決策級融合是一種更高層次的信息融合，其結(jié)果將為各種控制或決策提供依據(jù)。為此，決策級融合必須結(jié)合具體的應(yīng)用及需求特點，有選擇地利用特征級融合所抽取或測量的有關(guān)目標(biāo)的各類特征信息，才能實現(xiàn)決策級融合的目的，其結(jié)果將直接影響最后的決策水平。由于輸入為各種特征信息，而結(jié)果為決策描述，因此決策級融合數(shù)據(jù)量最小，抗干擾能力強。決策級融合的主要優(yōu)點可概括為:通信及

26、傳輸要求低，這是由其數(shù)據(jù)量少決定的；容錯性高對于一個或若十個傳感器的數(shù)據(jù)干擾，可以通過適當(dāng)?shù)娜诤狭σ环ㄓ枰韵粩?shù)據(jù)要求低，傳感器可以是同質(zhì)或異質(zhì)，對傳感器的依賴性和要求降低；分析能力強，能全力一位有效反映目標(biāo)及環(huán)境的信息，滿足小同應(yīng)用的需要。3.2圖像融合規(guī)則圖像的融合規(guī)則（Fusionrule）是圖像融合的核心，融合規(guī)則的好壞直接影響融合圖像的速度和質(zhì)量。Burt提出了基于像素選取的融合規(guī)則，在將原圖像分解成不同分辨率圖像的基礎(chǔ)上，選取絕對值最大的像素值（或系數(shù)）作為融合后的像素值（或系數(shù)）。這是基于在不同分辨率圖像中，具有較大值的像素（或系數(shù)）包含更多的圖像信息。Petrovic和Xyd

27、eas提出了考慮分解層內(nèi)各圖像（若存在多個圖像）及分解層間的相關(guān)性的像素選取融合規(guī)則。蒲恬在應(yīng)用小波變換進(jìn)行圖像融合時，根據(jù)人類視覺系統(tǒng)對局部對比度敏感的特性，采用了基于對比度的像素選取融合規(guī)則?；谙袼氐娜诤线x取僅是以單個像素作為融合對象，它并未考慮圖像相鄰像素間的相關(guān)性，因此融合結(jié)果不是很理想。考慮圖像相鄰像素間的相關(guān)性，Burt和Kolczynski提出了基于區(qū)域特性選擇的加權(quán)平均融合規(guī)則，將像素值（或系數(shù)）的融合選取與其所在的局部區(qū)域聯(lián)系起來。在Lietal提出的融合規(guī)則中，其在選取窗口區(qū)域中較大的像素值（或系數(shù)）作為融合后像素值（或系數(shù)）的同時，還考慮了窗口區(qū)域像素（或系數(shù)）的相關(guān)性

28、。Chibani和Houacine在其融合規(guī)則中，通過計算輸入原圖像相應(yīng)窗口區(qū)域中像素絕對值相比較大的個數(shù)，決定融合像素的選取?；诖翱趨^(qū)域的融合規(guī)則由于考慮相鄰像素的相關(guān)性，因此減少了融合像素的錯誤選取。融合效果得到提高。ZZhang和Blum提出了基于區(qū)域的融合規(guī)則，將圖像中每個像素均看作區(qū)域或邊緣的一部分，并用區(qū)域和邊界等圖像信息來指導(dǎo)融合選取。采用這種融合規(guī)則所得到的融合效果較好，但此規(guī)則相對其他融合規(guī)則要復(fù)雜。對于復(fù)雜的圖像，此規(guī)則不易于實現(xiàn)。3.3圖像融合方法迄今為止，數(shù)據(jù)融合方法主要是在像元級和特征級上進(jìn)行的。常用的融合方法有HIS融合法、KL變換融合法、高通濾波融合法、小波變換

29、融合法、金字塔變換融合法、樣條變換融合法等。下面簡要介紹其中的幾種方法。HIS融合法HIS融合法在多傳感器影象像元融合方面應(yīng)用較廣，例如：一低分辨率三波段圖象與一高分辨率單波段圖象進(jìn)行融合處理。這種方法將三個波段的低分辨率的數(shù)據(jù)通過HIS變換轉(zhuǎn)換到HIS空間，同時將單波段高分辨率圖象進(jìn)行對比度拉伸以使其灰度的均值與方差和HIS空間中亮度分量圖象一致，然后將拉伸過的高分辨率圖象作為新的亮度分量代入HIS反變換到原始空間中。這樣獲得的高分辨率彩色圖象既具有較高空間分辨率，同時又具有與影象相同的色調(diào)和飽和度，有利于目視解譯和計算機識別。KL變換融合法KL變換融合法又稱為主成分分析法。與HIS變換法類

30、似，它將低分辨率的圖象（三個波段或更多）作為輸入分量進(jìn)行主成分分析，而將高分辨率圖象拉伸使其具有于第一主成分相同的均值和方差，然后用拉伸后的高分辨率影象代替主成分變換的第一分量進(jìn)行逆變換。高空間分辨率數(shù)據(jù)與高光譜分辨率數(shù)據(jù)通過融合得到的新的數(shù)據(jù)包含了源圖象的高分辨率和高光譜分辨率特征，保留了原圖象的高頻信息。這樣，融合圖象上目標(biāo)細(xì)部特征更加清晰，光譜信息更加豐富。高通濾波融合法高通濾波融合法將高分辨率圖象中的邊緣信息提取出來，加入到低分辨率高光譜圖象中。首先，通過高通濾波器提取高分辨率圖象中的高頻分量，然后將高通濾波結(jié)果加入到高光譜分辨率的圖象中，形成高頻特征信息突出的融合影象。小波變換融合法

31、利用離散的小波變換，將N幅待融合的圖象的每一幅分解成M幅子圖象，然后在每一級上對來自N幅待融合圖象的M幅子圖象進(jìn)行融合，得到該級的融合圖象。在得到所有M級的融合圖象后，實施逆變換得到融合結(jié)果。3.4圖像融合步驟目前國內(nèi)外己有大量圖像融合技術(shù)的研究報道，不論應(yīng)用何種技術(shù)方法，必須遵守的基本原則是兩張或多張圖像上對應(yīng)的每一點都應(yīng)對位準(zhǔn)確。由于研究對象、目的不同，圖像融合方法亦可多種多樣，其主要步驟歸納如下：(1)預(yù)處理:對獲取的兩種圖像數(shù)據(jù)進(jìn)行去噪、增強等處理，統(tǒng)一數(shù)據(jù)格式、圖像大小和分辨率。對序列斷層圖像作三維重建和顯示，根據(jù)目標(biāo)特點建立數(shù)學(xué)模型；圖3-1圖像融合步驟示意圖(2)分割目標(biāo)和選擇配

32、準(zhǔn)特征點:在二維或三維情況下，對目標(biāo)物或興趣區(qū)進(jìn)行分割。選取的特點應(yīng)是同一物理標(biāo)記在兩個圖像上的對應(yīng)點，該物理標(biāo)記可以是人工標(biāo)記，也可以是人體解剖特征點；(3)利用特征點進(jìn)行圖像配準(zhǔn):可視作兩個數(shù)據(jù)集間的線性或非線性變換，使變換后的兩個數(shù)據(jù)集的誤差達(dá)到某種準(zhǔn)則的最小值；融合圖像創(chuàng)建:配準(zhǔn)后的兩種模式的圖像在同一坐標(biāo)系下將各自的有用信息融合表達(dá)成二維或三維圖像；參數(shù)提取:從融合圖像中提取和測量特征參數(shù)，定性、定量分析。4、各算法程序41一般方法圖像融合是通過一個數(shù)學(xué)模型把來自不同傳感器的多幅圖像綜合成一幅滿足特定應(yīng)用需求的圖像的過程，從而可以有效地把不同圖像傳感器的優(yōu)點結(jié)合起來，提高對圖像信息分

33、析和提取的能力。簡單的圖像融合方法不對參加融合的源圖像進(jìn)行任何變換和分解，而是直接對源圖像中的各對應(yīng)像素分別進(jìn)行選擇、平均或加權(quán)平均、多元回歸或其它數(shù)學(xué)運算等處理后，最終合成一幅融合圖像。對于圖像融合的對象，可以分為兩大類，即多光譜圖像（通常為RGB彩色圖像）與灰度圖像之間的融合，以及灰度圖像之間的融合?；叶葓D像之間的融合，在大體上可分為三大類。一類是簡單融合方法，包括將空間對準(zhǔn)的兩幅圖像直接求加權(quán)平均值。另一類方法是基于金字塔形分解和重建算法的融合方法，主要包括梯度金字塔法、對比度和比率金字塔法以及拉普拉斯金字塔法等，它們首先構(gòu)造輸入圖像的金字塔，再按一定的特征選擇方法取值形成融合金字塔，通

34、過對金字塔實施逆變換進(jìn)行圖像重建，最終生成融合圖像，它們的融合效果要遠(yuǎn)優(yōu)于第一類方法，然而它也有很多不盡如人意的地方。還有一類方法就是近幾年興起的基于小波變換的圖像融合方法，它通常采用多分辨分析和Mallat快速算法，通過在各層的特征域上進(jìn)行有針對性的融合，比較容易提取原始圖像的結(jié)構(gòu)信息和細(xì)節(jié)信息，所以融合效果要好于基于金字塔形變換的圖像融合法。這是因為小波變換更為緊湊;小波表達(dá)式提供了方向信息，而金字塔表達(dá)式未將空間方向選擇性引入分解過程；由于可以選擇正交小波核，因此不同分辨率包含的信息是唯一的，而金字塔分解在兩個不同的尺度之間含有冗余，另外金字塔不同級的數(shù)據(jù)相關(guān)，很難知道兩級之間的相似性是

35、由于冗余還是圖像本身的性質(zhì)引起的;金字塔的重構(gòu)過程可能具有不穩(wěn)定性，特別是兩幅圖像存在明顯差異區(qū)域時，融合圖像會出現(xiàn)斑塊，而小波變換圖像融合則沒有類似的問題。此外，小波變換具有完善重建能力保證了信號在分解重構(gòu)過程中沒有信息損失和信息冗余產(chǎn)生。4.2PCA算法程序基于PCA的圖像融合:又稱K-L變換法，它的幾何意義是把原始特征空間的特征軸旋轉(zhuǎn)到平行于混合集群結(jié)構(gòu)軸的方向去，得到新的特征軸。實際操作是將原來的各個因素指標(biāo)（這些指標(biāo)中部分有相關(guān)關(guān)系）重新組合，組合后的新指標(biāo)是互不相關(guān)的。在由這些新指標(biāo)組成的新特征軸中，只用前幾個分量圖像就能完全表征原始集群的有效信息，圖像中彼此相關(guān)的數(shù)據(jù)被壓縮，而特

36、征得到了突出，此方法在對于具有相關(guān)因子的多源遙感數(shù)據(jù)進(jìn)行融合時具有顯著優(yōu)勢?；赑CA的融合算法程序：functionY=fuse_pca（Ml，M2）%Y=fuse_pca（M1，M2）imagefusionwithPCAmethod%M1-inputimage#1%M2-inputimage#2%Y-fusedimage%（OliverRockinger16.08.99）%checkinputsz1s1=size(M1);z2s2=size(M2);訐(z1=z2)|(s1=s2)error(Inputimagesarenotofsamesize);end;%compute，select&

37、normalizeeigenvaluesV，D=eig(cov(M1(:)M2(:);訐(D(1，1)D(2，2)a=V(:,1)./sum(V(:,1);elsea=V(:,2)./sum(V(:,2);end;長春理工大學(xué)論文長春理工大學(xué)論文- -l -%andfuseY=a(l)*Ml+a(2)*M2;4.3金字塔(Pyramid)算法程序金字塔圖像融合法:用金字塔在空間上表示圖像是一種簡單方便的方法。概括地說金字塔圖像融合法就是將參加融合的每幅源圖像作金字塔表示，將所有圖像的金字塔表示在各相應(yīng)層上以一定的融合規(guī)則融合，可得到合成的金字塔。將合成的金字塔，用金字塔生成的逆過程重構(gòu)圖像，則

38、可得到融合圖像。金字塔可分為：Laplacian金字塔、Gaussian金字塔、梯度金字塔、數(shù)學(xué)形態(tài)金字塔等?；贔SDPyramid的圖像融合算法程序：functionY=fuse_fsd(M1,M2，zt,ap，mp)%Y=fuse_fsd(M1，M2，zt，ap，mp)imagefusionwithfsdpyramid%Ml-inputimageA%M2-inputimageB%zt-maximumdecompositionlevel%ap-coefficientselectionhighpass(seeselc.m)%mp-coefficientselectionbaseimage(s

39、eeselb.m)%Y-fusedimage%(OliverRockinger16.08.99)%checkinputszlsl=size(Ml);z2s2=size(M2);訐(zl=z2)I(sl=s2)error(Inputimagesarenotofsamesize);end;%definefilterw=14641/16;%cellsforselectedimagesE=cell(l,zt);%loopoverdecompositiondepth-analysisfori1=1:zt%calculateandstoreactualimagesizezs=size(Ml);zl(i1)

40、=z;sl(i1)=s;%checkifimageexpansionnecessary訐(floor(z/2)=z/2),ew(1)=1;else,ew(1)=0;end;訐(floor(s/2)=s/2),ew(2)=1;else,ew(2)=0;end;%performexpansion訐necessaryif(any(ew)M1=adb(Ml,ew);M2=adb(M2,ew);end;%performfilteringG1=conv2(conv2(es2(M1,2),w,valid),w,valid);G2=conv2(conv2(es2(M2,2),w,valid),w,valid)

41、;%selectcoefficientsandstorethemE(il)=selc(Ml-Gl,M2-G2,ap);%decimateMl=dec2(G1);M2=dec2(G2);end;%selectbasecoefficientsoflastdecompostionstageMl=selb(M1,M2,mp);%loopoverdecompositiondepth-synthesisforil=zt:-1:1%undecimateandinterpolateM1T=conv2(conv2(es2(undec2(M1),2),2*w,valid),2*w,valid);%addcoeff

42、icientsMl=M1T+Ei1;%selectvalidimageregionMl=M1(1:zl(i1),1:sl(i1);end;%copyimageY=Ml;4.4小波變換(DWT)算法程序在眾多的圖像融合技術(shù)中，基于小波變換的圖像融合方法已成為現(xiàn)今研究的一個熱點。這類算法主要是利用人眼對局部對比度的變化比較敏感這一事實，根據(jù)一定的融合規(guī)則，在多幅原圖像中選擇出最顯著的特征，例如邊緣、線段等，并將這些特征保留在最終的合成圖像中。在一幅圖像的小波變換中，絕對值較大的小波系數(shù)對應(yīng)于邊緣這些較為顯著的特征，所以大部分基于小波變換的圖像融長春理工大學(xué)論文合算法主要研究如何選擇合成圖像中的小波

43、系數(shù)，也就是三個方向上的高頻系數(shù)，從而達(dá)到保留圖像邊緣的目的。雖然小波系數(shù)(高頻系數(shù))的選擇對于保留圖像的邊緣等特征具有非常主要的作用，但尺度系數(shù)(低頻系數(shù))決定了圖像的輪廓，正確地選擇尺度系數(shù)對提高合成圖像的視覺效果具有舉足輕重的作用?；赟IDWT(ShiftInvarianceDiscreteWaveletTransform)小波變換的算法程序：functionY=fuse_sih(Ml,M2,zt，ap，mp)%Y=fuse_sih(M1,M2，zt，ap，mp)imagefusionwithSIDWT，WaveletisHaar%M1-inputimageA%M2-inputimag

44、eB%zt-maximumdecompositionlevel%ap-coefficientselectionhighpass(seeselc.m)%mp-coefficientselectionbaseimage(seeselb.m)%Y-fusedimage%(OliverRockinger16.08.99)%checkinputsz1s1=size(M1);z2s2=size(M2);訐(z1=z2)|(s1=s2)error(Inputimagesarenotofsamesize);end;%cellsforselectedimagesE=cell(3，zt);%loopoverdec

45、ompositiondepth-analysis-20-長春理工大學(xué)論文- -fori1=l:zt%calculateandstoreactualimagesizezs=size(Ml);zl(il)=z;sl(i1)=s;%defineactualfilters(insertingzerosbetweencoefficients)h1=zeros(1,floor(2A(i1-2),0.5,zeros(1,floor(2A(i1-1)-1),0.5,zeros(1,max(floor(2A(i1-2),1);g1=zeros(1,floor(2A(i1-2),max(floor(2A(i1-2

46、),1);fh=floor(length(h1)/2);0.5,zeros(1,floor(2A(i1-1)-1),-0.5,zeros(1,%imageAZ1=conv2(es(M1,fh,1),g1，valid)A1=conv2(es(Z1,fh,2),g1,valid);A2=conv2(es(Z1,fh,2),h1,valid);Z1=conv2(es(M1,fh,1),h1,valid)A3=conv2(es(Z1,fh,2),g1,valid);A4=conv2(es(Z1,fh,2),h1,valid);%imageBZ1=conv2(es(M2,fh,1),g1,valid)B

47、1=conv2(es(Z1,fh,2),g1,valid);B2=conv2(es(Z1,fh,2),h1,valid);Z1=conv2(es(M2,fh,1),h1,valid)B3=conv2(es(Z1,fh,2),g1,valid);B4=conv2(es(Z1,fh,2),h1,valid);%selectcoefficientsandstorethemE(1,i1)=selc(A1,B1,ap);E(2,il)=selc(A2,B2,ap);E(3,il)=selc(A3,B3,ap);%copyinputimagefornextdecompositionstageMl=A4;M

48、2=B4;end;%selectbasecoefficientsoflastdecompostionstageA4=selb(A4,B4,mp);%loopoverdecompositiondepth-synthesisfori1=zt:-1:1%defineactualfilters(insertingzerosbetweencoefficients)h2=fliplr(zeros(1,floor(2A(i1-2),0.5,zeros(1,floor(2A(i1-1)-1),zeros(1,max(floor(2A(i1-2),1);g2=fliplr(zeros(1,floor(2A(i1

49、-2),0.5,zeros(1,floor(2A(i1-1)-1),0.5,-0.5,zeros(1,max(floor(2A(i1-2),1);fh=floor(length(h2)/2);%filter(rows)A4=conv2(es(A4,fh,2),h2,valid);A3=conv2(es(E3,訂，fh,2),g2,valid);A2=conv2(es(E2,訂，fh,2),h2,valid);A1=conv2(es(E1,訂,fh,2),g2,valid);%filter(columns)A4=conv2(es(A4+A3,fh,1),h2,valid);A2=conv2(es

50、(A2+A1,fh,1),g2,valid);%addimagesA4=A4+A2;end;%copyimageY=A4;5、實驗結(jié)果F面將本文的算法用于多聚焦圖像的融合。多聚焦圖像指的是對相同的場景用不同的焦距進(jìn)行拍攝，得到鏡頭聚焦目標(biāo)不同的多個圖像。經(jīng)過圖像融合技術(shù)后，就可以得到一個所有目標(biāo)都聚焦清晰的圖像。圖5-1中左邊的目標(biāo)較為清晰,圖5-2中右邊的目標(biāo)較為清晰。圖5-2聚焦在右邊的圖像我們分別利用基于PCA的算法、金字塔圖像融合法和小波變換法的算法程序得到的的融合圖像結(jié)果，如圖5-3、圖5-4、圖5-5所示Fusionr.suIt:PCAMethod圖5-3基于PCA算法的融合圖像Fusionresult:FSDPyramid圖5-4基于金字塔圖像融合算法的融合圖像Fusionresult:SIDWT.withHaarWavelet圖5-5基于S