基于提升小波變換的模糊圖像融合算法研究
加入技術交流群
由于低頻分量對恢復圖像質量影響很大，可融合為：
式中，k，α，β為加權因子。
(A(j，k)+K×B(j，k))×α為取兩幅圖像的加權均值，影響融合后圖像的能量，對融合后圖像的亮度起決定作用；(A(j，k)-K×B(j，k)×β為取兩幅圖像的加權差值，包含兩幅圖像的模糊信息。因子K調節(jié)兩幅圖像的占優(yōu)比例，使兩幅亮度不同的圖像達到均衡。隨著α增大，圖像加亮；隨著β增大，圖像的邊緣加強。
對于不同圖像，適當調整K、α及β，可消減模糊邊緣，同時確保不會喪失過多邊緣信息。
3．2 高頻系數(shù)的融合規(guī)則
高頻系數(shù)融合采用局部方差準則。局部方差定義為：
Std(X，Y)=1／MN∑∑[X(i,j)-Y]2 (7)
式中，X為M×N的區(qū)域；X(i，j)為區(qū)域X中像素點(i,j)的灰度值；Y為區(qū)域X的灰度平均值。
局部方差可反映區(qū)域信息含量，融合圖像是對同一目標不同時刻(或采用不同成像設備所成的像)的反映，因此，可選取信息含量更豐富的圖像組成融合結果，得到該目標的更多信息。
3．3 融合步驟
采用小波分析的圖像融合算法的一般步驟如圖2所示。本文引用地址：http://butianyuan.cn/article/188449.htm
對二維圖像進行Ⅳ層的小波分解，最終將得到(3N+1)個不同頻帶，其中包含3N個高頻帶和一個低頻帶。融合的基本步驟：(I)對源圖像分別進行提升小波分解；(2)對各分解層分別進行融合處理，采用不同的融合算子對各分解層的不同頻率分量進行融合處理。對于低頻分量，采用加權平均法進行融合。對于高頻分量，采用局部方差準則處理其系數(shù)；(3)對得到的系數(shù)矩陣進行反變換即得到輸卅圖像。
4 仿真結果
分別采用傳統(tǒng)的haar、coif5以及提升格式db2小波、coifs小波對兩幅模糊圖像進行融合。圖3為仿真結果，可看到基于提升coif5的圖像效果明顯好于傳統(tǒng)的haar和coif5小波。從計算量和實時性考慮，所采用算法的計算量比傳統(tǒng)的小波大大減少，實時性也較傳統(tǒng)小波有很大提高。
5 結束語
探討一種基于提升小波變換的圖像融合算法，提升小波的構造不依賴于傅里葉變換，應用它進行圖像融合可提高處理速度，節(jié)約內存空間，提高實時性。試驗表明，使用提升小波使融合圖像自然、邊緣清晰，同時保留了多輸入原圖像的有用信息。適合任意尺寸的圖像融合。今后的工作將進一步研究融合規(guī)則和融合方法，使圖像融合算法能夠在模糊圖像恢復、自動目標識別與跟蹤、遙感、醫(yī)學圖像處理、智能機器人、復雜智能制造系統(tǒng)等領域有更廣泛的應用。
評論