基于小波和色彩傳遞夜視圖像彩色融合算法研究

王鵬宇

(解放軍92493部隊(duì)3分隊(duì)，遼寧葫蘆島125000)

基于小波和色彩傳遞夜視圖像彩色融合算法研究

王鵬宇*

(解放軍92493部隊(duì)3分隊(duì)，遼寧葫蘆島125000)

針對(duì)傳統(tǒng)彩色圖像融合存在色彩不自然和運(yùn)算復(fù)雜的缺點(diǎn)，提出了基于小波和色彩傳遞夜視圖像彩色融合算法。該算法的核心思想是把源圖像RGB空間轉(zhuǎn)換到Y(jié)UV空間，然后利用小波變換把源圖像和參考圖像分別進(jìn)行分解，并對(duì)結(jié)果中的一階統(tǒng)計(jì)量和二階統(tǒng)計(jì)量進(jìn)行計(jì)算，最后把參考圖像的統(tǒng)計(jì)量傳遞給源圖像，此時(shí)參考圖像和源圖像的統(tǒng)計(jì)量是相同的，把經(jīng)過處理過的源圖像通過小波逆變換傳遞到RGB空間，測(cè)試結(jié)果表明，此算法具有圖像細(xì)節(jié)更加豐富，邊緣突出的優(yōu)點(diǎn)。

圖像融合;色彩傳遞;小波變換，夜視圖像

目前彩色夜視技術(shù)是圖像處理領(lǐng)域研究的很重要的一個(gè)內(nèi)容，主要的夜視方式有微光和紅外熱成像等，因?yàn)檫@兩種夜視方式能夠?qū)崿F(xiàn)信息場(chǎng)景的互補(bǔ)而應(yīng)用非常的廣泛。之所以彩色圖像融合技術(shù)得到重視，是因?yàn)椴噬珗D像提供的場(chǎng)景信息更多，能幫助觀察者提高對(duì)場(chǎng)景理解的能力［1-2］。圖像色彩的真實(shí)性和自然性是彩色夜視技術(shù)研究的主要組成部分，使融合后的圖像與白天自然場(chǎng)景的圖像色彩相同是彩色夜視技術(shù)的最終目標(biāo)。目前常用的彩色圖像融合方法有NRL法和TNO法以及MIT法。但是這些算法都存在各自的缺點(diǎn)，比如NRL法和TNO法融合圖像的色彩不自然，MIT法運(yùn)算復(fù)雜，不能進(jìn)行實(shí)時(shí)處理［3-4］。

文章提出的基于小波和色彩傳遞夜視圖像彩色融合算法能夠很好綜合其他算法的優(yōu)點(diǎn)，能很好的改善彩色融合圖像的色彩自然性，同時(shí)還能突出圖像中紅外熱目標(biāo)。

1 線性色彩傳遞算法原理

夜視圖像的彩色融合技術(shù)很好的應(yīng)用了多波段的光譜信息，這樣就能實(shí)現(xiàn)對(duì)目標(biāo)和場(chǎng)景準(zhǔn)確的描述。如果選用不好的彩色融合方法會(huì)對(duì)人眼產(chǎn)生不好的影響，從而降低觀察者的觀察效果。

1.1 彩色空間映射

CIE(國際照明委員會(huì))規(guī)定，紅、綠、藍(lán)三基色的波分別為:700 nm，546.1 nm，435.8 nm。并且這3種基色是相互獨(dú)立的。但是通過對(duì)三基色進(jìn)行混合能得到其他的不同顏色。通過對(duì)三基色進(jìn)行賦值就能得到彩色融合圖像［5-6］。融合的映射公式(按美國海軍研究室NRL的表示)可表示為:

式(1)中IR是紅外圖像，Vis是微光圖像，NRL是美國海軍研究室。

1.2 YUV空間的色彩傳遞

YUV空間主要應(yīng)用在視頻信號(hào)的處理傳輸，此顏色空間是ITU(國際電信聯(lián)盟)推薦的。YUV空間的Y、U和V分別是亮度、藍(lán)色和紅色色差信號(hào)。YUV空間可以實(shí)現(xiàn)亮度與色彩的分離，并且色彩的傳遞也很容易實(shí)現(xiàn)。YUV空間轉(zhuǎn)換很容易實(shí)現(xiàn)，只需要進(jìn)行乘加運(yùn)算即可，所以計(jì)算量很小，同時(shí)傳遞效果很好。文章中的圖像色彩傳遞就是采用YUV顏色空間實(shí)現(xiàn)的。

RGB彩色空間到彩色YUV空間的轉(zhuǎn)換可表示為:

首先計(jì)算源圖像Y，U，V通道均值和標(biāo)準(zhǔn)方差，然后再計(jì)算參考圖像Y，U，V通道的均值和標(biāo)準(zhǔn)方差。并且需要把源圖像各通道的像素值減去自身的均值。根據(jù)標(biāo)準(zhǔn)方差比進(jìn)行縮放，同時(shí)加上參考圖像相應(yīng)通道的均值。

式(3)中，μS，Y，μS，U，μS，V，是源圖像的均值，σS，Y，σS，U，σS，V是標(biāo)準(zhǔn)方差;μT，Y，μT，U，μT，V，是參考圖像的均值，σT，Y，σS，U，σS，V分別是標(biāo)準(zhǔn)方差。

圖像的均值和標(biāo)準(zhǔn)方差分別表示為:

式(4)中，μ是均值，f(i，j)是圖像，M，N是圖像大小。

式(5)中σ是標(biāo)準(zhǔn)方差。

把變換后的源圖像轉(zhuǎn)換到RGB空間，如果選擇了合適的彩色參考圖像，就能得到還原到類似白天的彩色融合圖像。YUV彩色空間到RGB彩色空間的轉(zhuǎn)換可表示為:

2 色彩傳遞算法原理

傳統(tǒng)的色彩傳遞算法因?yàn)檫M(jìn)行的是全局線性處理，所以傳遞效果不好。文章中選用的方法是基于小波變換的方法，此方法能完成多分辨率分解的色彩傳遞，是因?yàn)樵诜直媛什煌那闆r下也能統(tǒng)計(jì)和傳遞各個(gè)通道完成均值和標(biāo)準(zhǔn)方差［7］。

2.1 小波分解和重構(gòu)

小波變換不但可以把圖像不同尺度的頻率子帶中，而且還能分解到不同方向的頻率的子帶中，和傳統(tǒng)的分解方法相比，小波變換提取的圖像方向信息更多，更適合人眼觀察事物的習(xí)慣。所以文章中圖像分解工具選用小波。設(shè)f(x，y)是一幅圖像，可以使用小波分解為:

式(7)中Φ是尺度函數(shù)，Ψ是小波函數(shù)。最終把整個(gè)圖像分解為四部分即近似部分和3個(gè)方向的細(xì)節(jié)部分。二維小波分解的過程如圖1所示，利用小波分解二維圖形主要分為兩步，第1步利用尺度函數(shù)和小波函數(shù)在i方向分解成近似和細(xì)節(jié)，第2步是利用尺度函數(shù)和小波函數(shù)在j方向?qū)坪图?xì)節(jié)這兩部分進(jìn)行分析為 A1f(i，j)和3個(gè)方細(xì)節(jié)部分D1(1)，f(i，j)、D1(2)，f(i，j)、D1(3)，f(i，j)。圖像的小波重構(gòu)過程如圖2所示。

圖1 二維小波分解的過程圖

圖2 圖像的小波重構(gòu)過程

2.2 多分辨率分解色彩傳遞處理

多分辨率分解色彩傳遞處理的過程如圖3所示。

圖3 多分辨率分解色彩傳遞處理過程框圖

把源圖像從RGB空間轉(zhuǎn)換到Y(jié)UV空間是處理過程的第一步，然后利用小波變換把源圖像和參考圖像分別進(jìn)行分解，并對(duì)結(jié)果中的一階統(tǒng)計(jì)量和二階統(tǒng)計(jì)量進(jìn)行計(jì)算，最后通過式(3)把參考圖像的統(tǒng)計(jì)量傳遞給源圖像，此時(shí)參考圖像和源圖像的統(tǒng)計(jì)量是相同的，把經(jīng)過處理過的源圖像通過小波逆變換傳遞到RGB空間，這樣傳遞圖像的色彩和參考圖像是很接近的［8］。

3 測(cè)試結(jié)果和分析

為了驗(yàn)證本算法的正確性，文章使用3層小波對(duì)源圖像和參考圖像進(jìn)行分解。同過YUV色彩空間平臺(tái)，比較線性色彩和多分辨率的色彩傳遞效果。文章中使用的源圖像為NRL融合成的假彩色圖像，對(duì)比的結(jié)果如圖4所示。

圖4 測(cè)試結(jié)果

圖4(a)和圖4(b)為原始圖像，圖4(c)為通過NRL融合方法處理的假彩色融合圖像。圖4(d)為參考圖像。圖4(e)是線性色彩傳遞的結(jié)果圖像，這個(gè)圖像是利用參考圖像進(jìn)行的，圖4(f)為多分辨率分解后進(jìn)行色彩傳遞的圖像。通過測(cè)試結(jié)果可以看出，使用NRL融合方法處理的圖像對(duì)比度太高，不適合人眼觀察。通過文章中提出的算法處理的結(jié)果，色彩非常自然，而且邊緣突出。仔細(xì)觀察可以發(fā)現(xiàn)，圖像中的細(xì)節(jié)信息更加豐富，熱目標(biāo)也更加清晰。

文章計(jì)算了圖像平均梯度，并進(jìn)行了比較，圖像平均梯度是評(píng)價(jià)圖像清晰度的圖像標(biāo)準(zhǔn)。圖像平均梯度不但說明圖像的清晰程度，而且還能說明圖像中微小細(xì)節(jié)反差和紋理變化特征。比較結(jié)果如表1所示。通過分析表1的數(shù)據(jù)可知經(jīng)過本算法的圖像細(xì)節(jié)更加豐富，邊緣突出。

表1 傳遞結(jié)果的平均梯度

4 結(jié)論

文章中提出了基于小波和色彩傳遞夜視圖像彩色融合算法，把原始圖像NRL法進(jìn)行假彩色融合，然后選取合適的參考圖像，再通過小波分解對(duì)圖像進(jìn)行分解，最后計(jì)算出分解結(jié)果的不同子帶的均值和標(biāo)準(zhǔn)差。測(cè)試結(jié)果表明和傳統(tǒng)的算法相比，本算法具有圖像細(xì)節(jié)更加豐富，邊緣突出的優(yōu)點(diǎn)，是一種應(yīng)用很好的圖像融合算法。

［1］Smith M I，Heather J P.Review of Image Fusion Technology in 2005［J］.Proc SPIE，2005，5782:29-45.

［2］胡建萍，于鵬.基于圖像處理的一體化攝像機(jī)自動(dòng)聚焦系統(tǒng)設(shè)計(jì)［J］.電子器件，2012，35(1):75-78.

［3］金偉奇，王嶺雪.彩色夜視成像處理算法的新進(jìn)展［J］.紅外與激光工程，2008，37(1):147-150.

［4］商露兮，方建安.夜視圖像自動(dòng)彩色化源圖像選擇算法［J］.激光與紅外，2009，39(2):223-226.

［5］McDaniel R V，Cribner D A，etal.Image Fusion for Tactical Application［J］.Proc.SPIE，1998，3436:685-695.

［6］梁積衛(wèi)，黃堃，董志芳.一種基于梯度的頻域?yàn)V波去塊效應(yīng)算法［J］.電子器件2013，36(2):169-172.

［7］Fay D A，Waxman A M.Fusion of Multi-Sensor Imagery for Night Vision:Color Visualization，Target Learning and Search［C］//The 3rd International Conference on Information Fusion，Paris:IEEE Press，2000.TuF3-3-TuD3-10.

［8］史世明，王嶺，金偉其，等.基于多分辨率色彩傳遞的彩色夜視方法研究［J］.光子學(xué)報(bào)，2010，39(3):553-558.

Pass the Color of Night Vision Image Fusion Algorithm Based on Wavelet and Color

WANG Pengyu*
(Three Squad，Unit92493 of PAL，Huludao Liaoning 125000，China)

Unnatural colors and computational complexity shortcomings of traditional colors image fusion，the color of night vision image fusion algorithm is proposes based on wavelet and color transfer.The core idea of the algorithm is the source image RGB color space to YUV space，and then the source image and the reference image usingwavelet transform decomposition，and the results of the first-order statistics and second-order statistics to calculate the reference the statistics of the image transmitted to the source image，and statistics are the same as in the reference image and the source image，is passed through the inverse wavelet transform after the processing of the source image to the RGB space，the test results show that this algorithm has image detail richer，edge projecting advantage.

image fusion;color transfer;wavelet transformation;night vision image

10.3969/j.issn.1005-9490.2014.01.034

TP391.7 文獻(xiàn)標(biāo)識(shí)碼:A 文章編號(hào):1005-9490(2014)01-0143-03

2013-05-12修改日期:2013-06-18

EEACC:6140C

王鵬宇(1974-)，男，漢族，黑龍江省望奎縣人，遼寧省葫蘆島市92493部隊(duì)工作，工程師，工程碩士(解放軍裝備指揮技術(shù)學(xué)院)，研究方向?yàn)橥ㄐ偶夹g(shù)，wangpengyu1974@163.com。