圖像融合的算法實現與應用

任浩

摘 要：近幾年來，經濟與科技的高速發展帶來了成像技術與信號技術等方面的變革，在這樣一個背景之下，數字圖像處理相關理論與實踐逐漸被提到日程上來。要想深入研究和分析圖像，就需要從圖像處理技術方面著手，探討其應用與發展趨勢。本文立足于這一現狀進行討論，并結合QPSO算法做出深入分析，希望能夠在一定程度上改善其融合效果。

關鍵詞：圖像融合；算法；應用

現如今，圖像融合技術的發展為社會諸多領域都提供了便捷，無論是遙感、軍事領域，還是醫學研究，都得益于圖像融合技術的存在與作用。在未來發展過程當中，進一步推動圖像融合技術的發展必然是大勢所趨。

1 圖像融合技術相關概述

1.1 主要內容

所謂圖像融合，其主要載體是多樣化的傳感器，以此為基礎來對于同一對象的圖像數據進行配準，然后采用一定的算法將各種圖像數據所蘊含的信息優勢或者互補性有效結合在一起，通過這樣一種方式所得到的新的圖像數據技術就是圖像融合。關于具體內容上的劃分，圖像融合主要包含了3項內容，分別是像素級、特征級和決策級。上述3個級別各自有各自的特點，質量層次由低到高，共同組成了圖像融合技術。

1.2 步驟

上圖顯示了圖像融合的整體步驟，在圖中I1至Im是m幅原始圖像，在經歷了若干程序之后，進行了特征變換。在此之后，對于每一幅原始圖像采用合適的方法盡心融合，最終所得到的就是If，上述這一過程就是圖像融合的步驟。

2 面向圖像融合的優化方法

2.1 遺傳算法（GA）

所謂遺傳算法，其在很大程度上是從生物身上所汲取的靈感，和生物遺傳學有著異曲同工之妙。在遺傳算法當中，其最為顯著的特征就是具有一定的適應度，基于這樣一種特性，遺傳算法不僅可以不受到種種條件的約束，還能夠對于相關區域進行自定義的設定。遺傳算法的另一個優點就是具有較強的通用性，原因在于遺傳算法所需要進行的對象處理環節，最為重要的步驟就是，針對于可行解進行了編碼的個體。基于上述的編碼操作，遺傳算法能夠對結構當中的對象來進行操作，因而使其具有一定的通用性。當然，遺傳算法也存在一定的弊端，譬如其在局部尋優能力方面，并不去其他的算法，這一點也深刻影響到這一算法的運作效率。

2.2 微粒群算法（PSO）

微粒群算法的產生和鳥群捕食有著相似的地方，其中有3點最為基本的原則，首先，像鳥類生活一樣，飛離于最近的個體；其次，其飛向特定的目標；最后，飛向群體的中心。微粒群算法的基本算法和方式與鳥類的群體職能有著相似的地方，從而建立起來的模型。從本質和性質上來看，和上一章節所介紹的遺傳算法比較，PSO算法也是一種優化工具，其重點和基本點就是迭代。PSO算法的一個較為顯著的弊端就是，其不能夠有效地對于整體進行宏觀的搜索，所以在很多時候會滿足于局部的優化性能。

2.3 基于量子行為的微粒群算法（QPSO）

QPSO的算法和PSO的算法有著很大的相似之處，前者在后者的基礎之上建立起來的，并做出了相應的優化措施。具體而言，QPSO算法吸收了量子物理學思想當中部分思想，并修改了PSO算法當中的進化方法。這樣一來，在更新粒子位置的過程當中，重點考慮到了各個粒子在當前的局部最優位置信息和全局最優物質信息。

3 優化算法在圖像融合中的應用

3.1 基于遺傳算法的實現

首先，在初始化環節，應當隨機選擇初始化一個種群，給初始種群基數、最大迭代次數賦值、初始化交叉概率Pc、變異概率Pm，并在同時，設置進化代數計數器。根據目標函數，計算每一個個體適應度大小。其次，在種群進化的環節當中，應當優先關注于適應性較強的元素，因為其更加方便與新的操作，其中不僅有交叉操作，還包含了變異操作。在最后的終止環節當中，所需要輸出的內容是當前最優的個體，也是在這一環節當中，算法真正結束，所得到的是最佳融合效果的粒子值。

3.2 基于微粒群算法的實現

和遺傳算法一樣，微粒群算法的初始階段，也需要把重點放在粒子群的選擇上面，具有一定的隨機性。在這一過程當中，要注意局部最優的原則，根據相應的目標函數，來對于粒子的大小進行有效計算。

第二個環節是關于粒子的優化，同樣選擇適應性較強的粒子，和遺傳算法不同的是，如果微粒群算法的最后一個環節沒能夠將誤差縮小到一定范圍之內，那么就需要重復選擇粒子，進行上述步驟。

3.3 基于量子行為的微粒群算法的實現

關于這種形式算法的運用，一個最為顯著的特點就是比較，將所選擇的每一個微粒的適應度和其自身經歷過的最好的位置進行比較，通過比較選擇最優的值。和微粒群算法大同小異，如果最終輸出的結果不是最優，或者沒有達到一個最小的誤差范圍，那么依舊要重復上述步驟，以此來實現最優的目標，也只有這樣才能夠得到最佳的融合效果。

4 結論

總的來說，在圖像處理技術高速發展的背景之下，關于這一領域的理論研究與實踐操作愈來愈多，與此同時，圖像融合的相關算法也受到了前所未有的重視。在本文的研究當中，筆者結合當前圖像處理技術發展狀況進行研究，并結合相關實例深入分析了相關的融合算法。通過分析能夠看出，伴隨著圖像融合應用領域的拓寬，相關算法也必然會不斷延伸、穩定。

參考文獻

[1]彭天強，彭波.智能圖像處理技術[M].電子工業出版社，2014：289-290.

[2]吳連喜.數字圖像融合[M].西安交通大學出版社，2013：23-35.

[3]張密.圖像處理和分析基礎[M].北京高等教育出版社，2013：1-118.

（作者單位：北方民族大學）