基于區(qū)域特征的改進IHS圖像融合算法

黃 偉 ，馮 徑 ，柳亞婷 ，朱 建

（1.解放軍理工大學 氣象學院，江蘇 南京 211101；2.解放軍理工大學 工程兵工程學院，江蘇 南京 210007）

圖像融合是指利用各種成像傳感器獲得不同圖像，綜合各圖像的互補信息和冗余信息，產生一幅新的圖像，以獲得更為精確、可靠、全面的圖像描述，從而提高圖像的信息分析和提取能力，并更適合于人眼感知[1]。圖像融合的處理通常分為像素級、特征級和決策級3個層次，目前大部分研究集中在像素級融合，比較典型的算法有IHS變換法、PCA變換和基于多分辨率分析的方法等。這些算法都是針對整個圖像場景進行處理，沒有考慮到圖像不同區(qū)域的空間特征，而通常圖像中某一局部區(qū)域內的各像素點之間具有較強的相關性，圖像中的區(qū)域特征往往需要通過多個像素來表征和體現(xiàn)[2]，因此，基于區(qū)域特征的圖像融合方法更加合理，對降噪和配準的魯棒性更強。

本文在研究基于區(qū)域特征的融合準則的基礎上，提出了一種基于區(qū)域特征的結合IHS變換和小波變換的圖像融合算法，首先分別對多光譜圖像和高分辨率全色圖像進行IHS變換和直方圖匹配[3]，然后對相應頻率分量進行小波融合時引入區(qū)域特征準則，最后通過實驗驗證了該算法的有效性和優(yōu)越性。

1 IHS變換和小波變換

傳統(tǒng)的基于IHS變換的圖像融合方法存在一定的局限性[4]，首先，該方法要求替換I分量的圖像P與I分量之間具有較大的相關性，但在許多實際應用場合，這種要求并不能得到滿足，如果二者的相關性很低，有可能帶來很大的光譜扭曲現(xiàn)象，針對這個缺點，不直接用P代替I分量，而是根據(jù)區(qū)域特征原理，以某個特征作為選取標準對P和I分量進行比較，選擇更能體現(xiàn)圖像細節(jié)特征的分量來充當新的I分量。其次，該方法僅適合于參與融合的多光譜圖像3個波段的處理，對于多于3個波段的數(shù)據(jù)融合，IHS變換則無能為力，因此可以采用小波變換等其他方法進行融合。

傳統(tǒng)的小波變換融合方法是先對進行融合的兩幅圖像進行小波分解，將分解后的高分辨率圖像的高頻分量和多光譜圖像的低頻分量結合，然后對其進行小波逆變換得到融合后的圖像[5]。所得的融合圖像在保留大部分光譜信息的同時，空間分辨率也有了一定的提高，但仍然存在一點的缺陷，例如，融合中舍棄了高分辨率圖像的低頻分量，雖然圖中各區(qū)域的邊界得到了較明顯的增強，但圖中平滑區(qū)域內部的灰度范圍被壓縮，圖像比較昏暗，而且舍棄的低頻分量中還含有一部分細節(jié)信息，使得融合效果不理想。

2 融合規(guī)則

為了克服IHS融合方法中光譜失真和小波變換融合方法圖像會出現(xiàn)細節(jié)失真的缺點，本文采用結合IHS變換和小波變換的方法來融合多光譜圖像和高分辨率圖像，并在融合過程中分別對兩幅圖像小波分解后的低頻分量和高頻分量引入相應的區(qū)域特征準則，具體的融合過程如下：

1）將多光譜圖像從RGB空間轉換到IHS空間，得到I、H、S 3個分量；

2）高分辨率圖像以亮度分量I為參考進行直方圖匹配，得到的圖像記為P，使之與多光譜圖像保持較高的相關性；

3）對I分量和圖像P分別進行n級小波分解，得到兩組不同分解級上的各個頻率的子圖像；

4）對小波分解后的各頻率子圖像引入區(qū)域特征準則；

低頻部分采用加權平均算子融合法，

式中，I為多光譜圖像經IHS變換后得到的亮度分量，P為高分辨率圖像經過直方圖匹配后得到的圖像，F(xiàn)為融合后的圖像，KI、KP為權系數(shù)，且 KI＞KP。

高頻部分采用改進的區(qū)域方差加權融合法，首先選取以當前像素為中心的一個3×3局部區(qū)域，然后求出I分量和圖像P的各分解層n、各方向ε上對應像素的區(qū)域方差，分別記為，再進行歸一化處理。

由以上規(guī)則可知，在對應的分解層和方向上，當I分量和圖像P歸一化后的區(qū)域方差值差別較大時 （Stdnε，I－Stdnε

，P），說明一幅圖像的細節(jié)信息較豐富，而另一幅的細節(jié)信息則較少，此時選擇區(qū)域方差較大的像素值作為融合后的小波系數(shù)，而當I分量和圖像P歸一化后的區(qū)域方差比較接近時，說明兩者都含有豐富的細節(jié)信息，此時采用加權平均融合算子來確定融合后的小波系數(shù)。這樣既可以保留圖像的細節(jié)特征，又減少了噪聲，保證了圖像的融合效果。

5）以融合后的低頻和高頻小波系數(shù)進行小波逆變換，得到新的亮度分量I′。

6）用 I′代替步驟 1）得到的 I，并同 H、S分量圖像經 IHS逆變換轉RGB空間，得到融合后的圖像。

文中算法的主要融合過程如圖1所示。

圖1 本文算法的過程示意圖Fig.1 The process schematic diagram of this algorithm

3 實驗及結果分析

對于融合圖像質量的評價通常采用主觀判斷和客觀定量分析相結合的方法，本文采用的客觀質量評價參數(shù)包括信息熵、均方根誤差和平均梯度。信息熵是衡量圖像信息豐富程度的一個重要指標，融合圖像的熵越大，說明融合圖像的信息量增加得越多；均方根誤差用來衡量融合圖像和標準參考圖像，均方根誤差越小，說明融合圖像與理想圖像越接近，融合效果和質量越好；平均梯度反映了圖像中的微小細節(jié)反差與紋理變化特征，圖像的平均梯度越大，表示圖像的清晰度越好[6]。

文中選用的融合源圖像為256×256的低分辨率多光譜圖像和高分辨率全色圖像，已經過配準，分別如圖2（a）、圖2（b）所示，理想圖像如圖2（c）所示。實驗在matlab7仿真環(huán)境下進行，為了對比不同算法的圖像融合效果，分別列出了IHS變換融合法、小波變換融合法和本文算法的融合結果圖，分別如圖 2（d）、圖 2（e）和圖 2（f）所示，小波分解級數(shù)均為 3 級。

從實驗結果可以看出，圖2（d）具有較好的清晰度，但圖像色調偏暗，且明暗區(qū)域對比不是很明顯；圖2（e）的亮度較源圖像有所增強，但是色彩不夠豐富，且邊緣細節(jié)較模糊；圖2（f）的色彩和清晰度是3種融合結果中最佳的，亮度上有所提高，消除了傳統(tǒng)IHS融合法對圖像色調的影響，并且圖像的邊緣細節(jié)更加明顯，清晰度提高。

3種算法的圖像融合結果的客觀評價參數(shù)如表1所示，可以看出，信息熵、均方根誤差和平均梯度都從客觀上說明了本文提出的算法要優(yōu)于其他兩種融合方法。

表1 3種融合方法的客觀評價參數(shù)Tab.1 Objective evaluation parameters of three methods

4 結 論

文中提出了一種基于區(qū)域特征的結合IHS變換和小波變換的圖像融合算法，首先分別對多光譜圖像和高分辨率全色圖像進行IHS變換和直方圖匹配，然后對源圖像小波分解后的相應頻率分量進行融合時引入區(qū)域特征準則，克服了IHS融合方法中光譜失真和小波變換融合方法中圖像會出現(xiàn)細節(jié)失真的缺點。實驗結果表明，本文算法的融合圖像色調明顯，對比度強，清晰度高，比傳統(tǒng)的IHS變換法和小波變換法更具優(yōu)越性。

[1]郭雷，李暉暉，鮑永生.圖像融合[M].北京:電子工業(yè)出版社，2008.

[2]李暉暉.基于區(qū)域分割的遙感圖像融合方法[J].光子學報，2005，34（12）：1901-1905.LI Hui-hui. A region-based remote sensing image fusion method[J]. Acta Photonica Sinica，2005，34（12）:1901-1905.

[3]吳艷，楊萬海，李明.多光譜與高分辨率圖像融合算法研究[J].光子學報，2003，32（2）：174-178.WU Yan，YANG Wan-hai，LI Ming.Fusion algorithm of multispectral and high-resolution panchromatic images[J].Acta Photonica Sinica，2003，32（2）：174-178.

[4]Tu T M，Su S C，Shyu H C，et al.A new look at IHS-like imagefusion methods[J].Information Fusion，2001，2:177-186.

[5]Huang X S，Chen Z.A wavelet-based scene image fusion algorithm[C].Proceedings of IEEE TENCON，2002:602-605.

[6]興旺，田秀華.基于邊緣分割的多光譜圖像融合方法[J].微計算機信息，2010，26（5）:204-205.XINGWang，TIANXiu-hua.Multispectral image fusion method based on edge segmentation[J].Control and Automation Publication Group，2010，26（5）:204-205.