光電圖像處理：第八章 圖像融合及應用

第八章圖像融合及應用Charpter08ImageFusionanditsApplication主要內(nèi)容信息融合概述圖像融合簡介圖像配準方法圖像融合方法融合效果評價1.什么是信息融合(informationFusion)？

數(shù)據(jù)融合技術是隨雷達信息處理及C3I系統(tǒng)的發(fā)展而發(fā)展起來的。它對各種數(shù)據(jù)源進行綜合、過濾、相關、識別和融合，得出戰(zhàn)場態(tài)勢圖、進行態(tài)勢威脅與判別，制定出作戰(zhàn)行動方案，供指揮員決策參考。數(shù)據(jù)融合的過程就是各種信息源處理、控制及決策的一體化過程。C3I——Command（指揮），Control（控制）、Communication（通信），intelligence（情報）。Ｃ3I系統(tǒng)，1953年首先在美國研制和建立，由于其對提高軍隊指揮效能和作戰(zhàn)能力具有重要作用，因而受到世界各國高度重視。

C4I——C3I+Computers一、信息融合概述2.什么是圖像融合？

圖像融合(ImageFusion)是用特定的算法將兩幅或多幅圖像綜合成一幅新的圖像。融合結果由于能利用兩幅(或多幅)圖像在時空上的相關性及信息上的互補性，并使得融合后得到的圖像對場景有更全面、清晰的描述，從而更有利于人眼的識別和機器的自動探測。圖像傳感器A圖像傳感器B冗余信息互補信息一、信息融合概述起源：20世紀70年代初3.圖像融合技術的研究現(xiàn)狀及發(fā)展一、信息融合概述20世紀70年代初，美國研究機構發(fā)現(xiàn)，利用計算機技術對多個獨立的連續(xù)聲納信號進行融合后，可以自動檢測出敵方潛艇的位置。這一嘗試使得信息融合作為一門獨立的技術首先在軍事應用中得到青睞。發(fā)展：20世紀80年代－20世紀末3.圖像融合技術的研究現(xiàn)狀及發(fā)展一、信息融合概述20世紀80年代后，對信息融合技術的研究更加活躍；國際上，關于信息融合的專著論文等數(shù)量可觀；圖像融合在軍事和民用等諸多領域得到廣泛的應用。完善：20世紀末－今3.圖像融合技術的研究現(xiàn)狀及發(fā)展一、信息融合概述由于其研究領域覆蓋范圍的廣泛性、多傳感器數(shù)據(jù)形式的多樣性以及融合處理的多樣性和復雜性，信息融合理論至今尚未形成系統(tǒng)的理論框架和有效的通用融合模型和算法。大部分研究工作都是針對特定應用領域的問題來展開的。國內(nèi)出版物參考書國內(nèi)出版物國內(nèi)出版物[1]覃征等,數(shù)字圖像融合,西安交通大學出版社,2005年[2]張永生等,天基多源遙感信息融合—理論算法與應用系統(tǒng),科學出版社,2005[3]韓崇昭等,多源信息融合,清華大學出版社,2006[4]那彥,焦李成等,基于多分辨分析理論的圖像融合方法(研究生系列教材),西安電子科技大學出版社,2007[5]李振華等,圖像融合—理論與應用,高等教育出版社,2007[6]胡良梅等,基于信息融合的圖像理解方法研究,合肥工業(yè)大學出版社,2007.[7]郭雷,李暉暉等,圖像融合,電子工業(yè)出版社,2008[8]劉衛(wèi)光等,圖像信息融合與識別,電子工業(yè)出版社,20084.圖像融合的應用領域一、信息融合概述近年來，圖像融合(ImageFusion)技術得到迅猛發(fā)展，在遙感探測、安全導航、醫(yī)學圖像分析、反恐檢查、環(huán)境保護、交通監(jiān)測、清晰圖像重建、災情檢測與預報等領域都有著重大的應用價值。AnatomicalimagingprovidedbyCTandMRFunctionalimagingprovidedbyPET一、信息融合概述醫(yī)學圖像分析：一、信息融合概述PETCTFusedimagePatientwithhepatoceullularcarcinomaCTscan(left)showsonlyliverdiseasePET/CTfusion(right)showsmultiplediseasesitesintheabdomenSinglescannerstudyFusedPET/CT遙感遙測：一、信息融合概述SpatialSpectral

+panchromatic&highgeometricresolutionmulti-/hyperspectralimage&lowgeometricresolutionmulti-/hyperspectral&highgeometricresolution遙感遙測SurveillanceandTargetingNavigationSatellitesGuidance/DetectionSystems一、信息融合概述一、信息融合概述Multi

View

Blander(MVB)

喀什天山2號反恐演習一、信息融合概述天府廣場高清全景一、信息融合概述主要內(nèi)容信息融合概述圖像融合簡介圖像配準方法圖像融合方法融合效果評價1、不同成像傳感器圖像的融合電視圖像(TV/VisibleImage)紅外/紫外圖像(Infrared/UVImage)合成孔徑雷達(SyntheticApertureRadar，SAR)超聲圖像(UltrasonicImage)X-RAY,CT,PET核磁共振(Magneticresonanceimaging,MRI)二、圖像融合簡介因此，紅外圖像融合包括與不同成像傳感器圖像的融合，及不同波段的紅外圖像的融合。2、圖像融合的層次（或級）二、圖像融合簡介①像素（pixels)級融合

——對應像素的融合。②特征(Feature)級融合

——對應特征的融合③決策(decision-making)級融合

——在①、②級基礎上，通過分類、識別和綜合評價，進行的最后決策。像素級融合決策級融合特征級融合二、圖像融合簡介可見光圖像遠紅外圖像融合結果一融合結果二二、圖像融合簡介可見光圖像紅外圖像融合結果一融合結果二二、圖像融合簡介FocusonrightpartFocusonleftpartImagetakenusingautofocusfunctionFusedimage二、圖像融合簡介3、圖像融合的基本流程圖像預處理二、圖像融合簡介主要內(nèi)容信息融合概述圖像融合簡介圖像配準方法圖像融合方法融合效果評價WhatisImageRegistration/Alignment/Matching?Theaboveimageisrotatedandshiftedwithrespecttotheleftimage.ChangeDetection19752000SatelliteimagesofDeadSea,UnitedNationsEnvironmentProgramme(UNEP)websiteApplicationExamples

19902005SatelliteimagesofAmonahilltop,PeaceNowwebsiteChangeDetection(cont’d)IRMMWRADARSATIRSMRT2CTPETMRT1Multi-modalityRegistrationExamples2圖像配準(ImageRegistration)簡介

圖像配準是是像素級圖像融合的先決條件，從不同探測器、不同時間、不同角度所獲得的兩幅或多幅圖像在空間上的最佳匹配。其中一幅是參考圖像數(shù)據(jù)，其它圖像作為待配準圖像與之匹配。

圖1待配準圖像圖2參考圖像三、圖像配準方法配準原理圖1與圖2之間存在一個旋轉(Rotation)、平移(Translation)、縮放(Scaling)的關系，圖像配準的目標就是找到這三種變換的對應關系。即：其中T表示二維空間坐標變換。配準的目的就是要找出最佳坐標，灰度變換參數(shù)。三、圖像配準方法FeatureDetectionFeatureMatching(ImagesadaptedfromZitova,2003)ImageRegistrationImageRegistrationTransformationModelEstimationImageResamplingandTransformation配準步驟圖像配準的過程也就是“確定空間變換模型——求解變換模型參數(shù)”的過程。

1.搜索空間2.特征空間

3.搜索策略

4.相似度量

待配準的圖像坐標之間所有可能存在的變換關系。例如：剛體變換仿射變換投影變換

…三、圖像配準方法配準步驟圖像配準的過程也就是“確定空間變換模型——求解變換模型參數(shù)”的過程。

1.搜索空間2.特征空間

3.搜索策略

4.相似度量

從待配準的圖像中提取用于匹配的特征，如：亮度(灰度)；特征點：角點、邊緣、輪廓、交叉點、高曲率的點等；人工選取的控制點。三、圖像配準方法配準步驟圖像配準的過程也就是“確定空間變換模型——求解變換模型參數(shù)”的過程。

1.搜索空間2.特征空間

3.搜索策略

4.相似度量

在搜索空間尋找最佳的變換模型參數(shù)的過程中所采用的方法。

全視場搜索(FS)

2D對數(shù)搜索(2DLS)三步搜索(3SS)

菱形搜索(ds)三、圖像配準方法配準步驟圖像配準的過程也就是“確定空間變換模型——求解變換模型參數(shù)”的過程。

1.搜索空間2.特征空間

3.搜索策略

4.相似度量

衡量搜索空間中不同的參數(shù)變換模型的優(yōu)異程度。

互相關均方差互信息HausdorffDistance三、圖像配準方法圖像幾何變換

對圖像進行重新采樣和插值

配準實例待匹配圖像

參考圖像匹配圖像

與參考圖像的疊加效果三、圖像配準通過相關判據(jù)求出匹配點求解仿射變換參數(shù)

特征點匹配點三、圖像配準(c)OriginalimagesResultsExample1OriginalimagesResultsExample2主要內(nèi)容信息融合概述圖像融合簡介圖像配準方法圖像融合方法融合效果評價簡單組合式圖像融合方法邏輯濾波器法數(shù)學形態(tài)法圖像代數(shù)法空間域融合方法HIS變換PCA變換高通濾波法(HPF)塔式分解法變換域融合方法小波變換法四、圖像融合方法常用的融合方法四、圖像融合方法1、空間域融合方法常見的融合規(guī)則：

對應像素取最大值對應像素取最小值對應像素取平均值加權平均法邏輯運算加權融合實例（未配準）簡單組合融合（取?。┤诤蠈嵗龑袼厝∑骄诤蠈嵗龑袼丶訖嗥骄诤蠈嵗?/p>

RGB-IHS變換法。

Brovery變換法。四、圖像融合方法2、顏色空間變換法IHS(Intensity，Hue，Saturation)

四、圖像融合方法(1)RGB-IHS變換法

IRBG

IHS柱形空間對任何3個[0,1]范圍內(nèi)的R、G、B值都可以用下面的公式轉換到對應IHS模型中的I、H、S分量：

（5）RGB-IHS變換法

RGB

R’G’B’

HIp’S

彩色合成

HISIHS變換Ip’代替I

IHS逆變換高空間分辨率全色影像IP代替I分量。逆變換過程中可有不同的變換模式,HIS變換過程也有多種模式,因此該方法有多種模型。四、圖像融合方法(1)RGB-IHS變換法

(2)Brovery變換法Brovery變換是一種顏色歸一化變換方法，它將RGB影像進行多光譜波段顏色歸一化，并將高分辨率全色影像與各個波段灰度值分別相乘得到融合影像。原波段影像的灰度值高分辨率影像的灰度值融合后的第i個波段影像的灰度值四、圖像融合方法

四、圖像融合方法3、小波變換法將已經(jīng)配準后的兩幅（或多幅）圖像分別進行小波變換，分解為小波系數(shù)；將其對應的小波系數(shù)依據(jù)一定的準則進行融合；最后，將融合的系數(shù)進行逆變換，進行圖像重構，即可獲得融合后的圖像。該方法充分利用了小波分解的多尺度、多分辨特性?；静襟E四、圖像融合方法

小波1級及2級分解圖示小波變換圖像融合流程四、圖像融合方法融合規(guī)則四、圖像融合方法取最大值加權平均法

方差協(xié)方差準則

梯度準則局部能量法多數(shù)融合算法都是基于這樣的假設，即圖像中的特征都表現(xiàn)在小波系數(shù)絕對值大的地方。因此，出現(xiàn)了以下一些基本規(guī)則：小波變換圖像融合Malab代碼四、圖像融合方法[X,map]=imread('E:\Fusion_img\TV_002.bmp');X1=X;map1=map;subplot(2,2,1);image(X1);colormap(map1);title('電視圖像');[X,map]=imread('E:\Fusion_img\IR_002.bmp');X2=X;map2=map;subplot(2,2,2);image(X2);colormap(map2);title('紅外圖像');[c1,l1]=wavedec2(X1,1,'sym4');[c2,l2]=wavedec2(X2,1,'sym4');c=0.5*(1.2*c1+0.8*c2);XX=waverec2(c,l1,'sym4');subplot(2,2,3);image(XX);title('融合結果一');Csize1=size(c1);fori=1:Csize1c1(i)=0.8*c1(i);endCsize2=size(c2);forj=1:Csize2c2(j)=1.2*c2(j);endc=0.6*(c1+c2);XXX=waverec2(c,l2,'sym4');subplot(2,2,4);image(XXX);title('融合結果二');小波單尺度分解融合舉例四、圖像融合方法PanchromaticImageMultispectralImageRGBBasis:IHStransformandfilteringintheFourierdomain.FFTFourier

SpectrumFFTFourier

SpectrumHPFPanHPLPFILPIHSR‘G‘B‘IHS-1ILP+PanHPHSFFT-14、EhlersFusion四、圖像融合方法OriginalpanchromaticimagePanchromaticSpectrum四、圖像融合方法4、EhlersFusion|F(u)|Cut-offFrequencyfnFilteredPanchromaticSpectrumFiltersettingeffectsFilteredpanchromaticimageFusedimageEffectsinthespatialdomainFilteredPanchromaticSpectrum|F(u)|Cut-offFrequencyfnFiltersettingeffectsFilteredpanchromaticimageFusedimageEffectsinthespatialdomainFilteredPanchromaticSpectrum|F(u)|Cut-offFrequencyfnFiltersettingeffectsFilteredpanchromaticimageFusedimageEffectsinthespatialdomain主要內(nèi)容信息融合概述圖像融合簡介圖像配準方法圖像融合方法融合效果評價五、融合效果評價經(jīng)過各種方法融合后的圖像質(zhì)量，需要客觀的評價，評價方法大致可以分為：主觀評價定量評價

依靠人的主觀感覺對融合圖像效果進行評價。由于受到人的視覺特性、心理狀態(tài)、感興趣目標不同等因素的影響，采用主觀評價方法對圖像融合效果進行客觀的評價十分困難。

五、融合效果評價經(jīng)過各種方法融合后的圖像質(zhì)量，需要客觀的評價，評價方法大致可以分為：主觀評價定量評價

定量評價可以對圖像融合質(zhì)量進行客觀定量的分析，通過不同的評價指標來區(qū)分融合結果的優(yōu)劣。如：基于統(tǒng)計特性基于信息量基于清晰度(1)灰度偏差：融合圖象與原始圖象間的灰度差異，較小則表明融合后的圖象較好地保留了原始圖象的灰度信息。五、融合效果評價1.基于統(tǒng)計特性的評價指標(2)均方差：理想圖像和融合圖像之間的差異。五、融合效果評價

2.基于信息量的評價指標(1)熵(Shannon)：衡量圖像中信息量的豐富程度。(2)交叉熵：反映了兩幅圖像所含信息量的相對差異。對稱形式的交叉熵稱為對稱交叉熵,即交叉熵越小，融合圖像從原始圖像中得到的信息量越多。五、融合效果評價(4)互信息(MutualInformation,MI)：反映了兩幅圖象間的信息聯(lián)系。(3)相關熵：衡量圖像中信息量的豐富程度。

2.基于信息量的評價指標其中五、融合效果評價(2)空間頻率(1)平均梯度

3.基于清晰度的評價指標五、融合效果評價(2)峰值信噪比（PSNR）(1)信噪比（SNR）

4.基于信噪比的評價指標圖像融合實例(a)可見光圖像