多傳感器復雜網絡數據融合算法的MATLAB仿真

陳向陽，胡江濤，劉培，徐瑩，沈超

1.武漢工程大學計算機科學與工程學院，湖北 武漢 430205；2.郵電與信息工程學院，湖北 武漢 430074；3.湖北省檔案局（館）科技處，湖北 武漢 430071

多傳感器復雜網絡數據融合算法的MATLAB仿真

陳向陽1，胡江濤1，劉培2，徐瑩3，沈超1

1.武漢工程大學計算機科學與工程學院，湖北 武漢 430205；2.郵電與信息工程學院，湖北 武漢 430074；3.湖北省檔案局（館）科技處，湖北 武漢 430071

多傳感器復雜網絡數據融合技術在多個領域中有著廣泛的應用，目前存在多種像素級多傳感器網絡采集圖像信息融合算法包括簡單的圖像融合算法、PCA變換圖像融合算法和小波變換的圖像融合算法等，但是每種算法都各具特點，因此有必要弄清楚其使用局限性以便能在實際應用中做出合理的選擇.利用仿真軟件Matlab結合從多傳感器中獲得的冗余圖像數據對各種算法進行模擬實現，得出各種算法的融合圖像的客觀評價結果即在不同顏色空間中的相關系數和清晰度值，通過對比各種算法結果得到只有在特定的應用條件下才具有良好的融合效果，才能夠很好地還原出原始的圖像.

復雜網絡信號；圖像融合；PCA變換；小波變換；IHS變換

0 引言

大量實際工程應用中涉及到將復雜網絡環境下多傳感器網絡源所采集到的有關某個目標的信號經過信號處理和計算機處理技術等即進行所謂的信息融合，以便盡可能地提取各自信道中的有利信息，最后合成為更高質量的綜合結果，便于進一步實施監控.研究人員一直都在研究高效的綜合處理來自多源通道信息的融合方法，以便能夠有效地增加信息利用率、系統化對目標探測識別地可靠性及系統的自動化程度［1-2］.針對該需求參考現有研究成果，利用Matlab對單一傳感器的多波段信息尤其是從不同類傳感器所得到圖像信息加以處理，消除多個傳感器信息之間存在的冗余與沖突，以增強影像中信息透明度，改善解譯精度、可靠性及利用率，以得到研究對象的更加清晰、完整、準確的綜合圖像［3－5］.

1 多傳感器網絡獲取圖像信息融合評價方法

信息融合質量的評價在信息融合算法性能評價中非常重要，在此具體僅考慮針對圖像融合質量評價方法，其實現可分成主觀的和客觀的兩種評價方法.

其中主觀的評價方法需要依靠研究者目視融合后圖像的效果進行的主觀判斷.該方法簡單易行，特定場合下可能會很有效，然后容易受觀察人員、圖像類別、使用場景和環境的約束，因此僅具有統計學上的意義［6］.

圖像融合的客觀評價因為主觀的評價方法的諸多使用限制，特別是當觀測環境發生改變時，評價結果會隨之而不同.那么實際應用中就要和客觀評價的定量評價標準一同使用，得到綜合定量評價結果.在此主要考慮客觀的評價方法：1）根據信噪比進行評價：信噪比、峰值信噪比.2）基于信息量的評價：信息熵、交叉熵、聯合熵.3）基于統計量的評價：均值、標準差、均方誤差、均方根誤差.4.基于相關性的評價：偏差指數、相關系數［7］.

2 常用的多傳感器圖像融合算法

2.1 加權平均法

加權平均法是多傳感器圖像融中最基本的方法，其特點是：原理簡單，運算速度快，實時性好，但融和效果較差.假設圖像A、B為融合圖像，像素為M×N.融合后圖像為F，則采用加權平均法公式為：式（1）中：m為圖像的像素的行號，m＝1，2，3，4，.....，M；n為圖像的像素的列好，n＝1，2，3，4，.....，N；w1、w2為加權系數，需滿足w1＋w2＝1；若w1＝w2＝0.5，則為平均融合.

2.2 IHS變換法

利用IHS，圖像的R，G，B便能夠分解對應于空間信息的亮度（I）、光譜信息的色調（H）和飽和度（S），并且I、H、S之間相互獨立，因此可以通過調節I，H，S來獲得不同的顯示效果，同時由于IHS變換法的靈活多變的特點，由此得出了很多種IHS變換公式：如柱體變換法、球體變換法、三角變換法等.本設計中均采用柱形變換.RGB三基色空間變換為IHS柱形彩色空間公式如下［9］：

2.3 邏輯濾波融合法

邏輯濾波融合法把源圖像中的對應位置的像素直接進行邏輯運算，從而將兩個或多個像素轉換對應為一個像素.已知有兩幅源圖像，若兩張圖像的相應位置像素都比某一閾值大時，那么通過“與”運算便得到“1”，此位置便成為圖像中非常突出的部分［10］.利用“或”運算能夠分割圖像，通過利用兩幅圖像中所有大于特定閾值的信息，而使圖像分割十分可靠.若灰度值均小于閾值時，那么就可以因地制宜地使用適當的“或非”等運算來融合圖像信息.

2.4 Brovery變換法

Brovey變換法又名色彩標準化變換融合法，因其實現比較簡單而著稱.實際上它是把多光譜圖像空間分解成亮度與色彩成分并進行處理運算，與IHS圖像轉換實現相比更為簡便，而且處理后能夠保留下來多光譜數據信息，由此改善了融合處理后的效果［11］.其算法實現過程敘述如下：

式（6）中：R、G、B為多光譜彩色圖像的三個波段，P為全色波段.

3 基于PCA變換的圖像融合

3.1 圖像融合主成分處理過程

（1）已知n幅圖像，針對每幅圖像觀測到p個分量，然后標準化處理得到的數據，便得矩陣：

（2）建立變量的協方差矩陣：R＝（rij）p×p

（3）求R的特征值λ1≥λ2≥…≥λp＞0及相應的單位特征向量：

（4）主成分：

3.2 基于PCA變換法的圖像融合算法

PCA（主成分分析法）變換法的多傳感器采集圖像數據融合的實現過程：

（1）利用融合相關的n波段TM圖像數據，求出相關矩陣.

（2）進一步求相關矩陣特征值與對應的特征向量.

（3）將得到的特征值按照由小到大的順序進行排列，λ1≥λ2≥…≥λn，特征向量Ai也要做相應的變動.

（4）按照公式（3）計算各主成分圖像：

式（10）中：k是表示主成分序數（k=1,…,n）;PCk是代表第k個主成分；i是輸入波段序列；n則是表示總TM波段數量；di表示i波段TM圖像數據值；Aik表示特征向量矩陣的i行、k列元素.

經過變換運算以后，得到的第一主成分圖像的方差會是最大的，它將會包含原多光譜圖像的大量信息，而原多光譜圖像的光譜信息則主要保留在第二、三主成分的圖像中.

（5）把SAR圖像進行空間配準處理，得到結果后再與第一主成分圖像數據進行直方圖匹配運算.

（6）將直方圖經過匹配運算后得到的SAR圖像替換第一主成分，并且將它與其他主成分作逆主成分變換，最后便得出融合圖像結果.

4 小波變換圖像數據融合方法

高頻子帶圖像系數組合經常會利用下列圖像融合算法：

（1）求系數絕對值的最大值法

因為高頻系數為圍繞0的±值，可以根據系數中選其中最大的圖像融合算法［13］.

（2）根據窗口的系數加權值平均法

由于相鄰系數之間具有的相關性，Burt.P.J與Kolczynski R.J.建議根據窗口的信息融合規則，即將系數的融合選擇與位于的局部窗口區域位置相關聯.通常會選取3×3或5×5的窗口大小，并將即將進行融合運算的系數看作位置窗口的中心位置，計算出窗口區域處的加權平均特征值并將它作為該系數的重要性度量［14］.

（3）根據窗口系數的絕對值選取最大值

按照Li H.等人所建議的融合算法，融合后的系數會使用窗口區域中絕對值為最大的系數［15-16］.在確定系數時，融合算法會對融合后所產生的最終結果進行所謂的一致性檢驗用來避免可能某點與其區域內的點出現來自不同源圖像［17］.

5 仿真實現和結果分析

5.1 PCA變換仿真

從利用圖1和圖2得到的融合結果圖3來看，PCA變換法通過融合SAR圖像和TM圖像，實現了多傳感器圖像融合，并且在TM圖像保持細節不足的前提下，結合SAR圖像高分辨率特性，比較真實地還原了地理信息，實用意義很大.表1為融合圖像的客觀評價結果.

表1 融合圖像的客觀評價結果Table1objective evaluation of image fusion

5.2 小波變換仿真

（1）如圖4所示，本例是結合PCA變換融合中的元素SAR和TM圖像作為融合源圖像.從融合的結果來看，小波變換法通過融合SAR圖像和TM圖像，實現了多傳感器圖像融合，并且在TM圖像保持細節不足的前提下，結合SAR圖像高分辨率特性，比較真實地還原了地理信息，具有一定的實用意義，結合表1 PCA變換法圖像融合結果，采用小波變換法效果圖像清晰度與PCA變換法相差較大.表2為融合圖像的客觀評價結果［18］.

表2 融合圖像的客觀評價結果Table2Objective evaluation of image fusion

（2）如圖5，圖6，圖7所示，參與融合的圖像A和B，A為近點聚焦圖像，近距離處圖像保留細節充分，但是遠距離處，圖像細節丟失較為嚴重，以至無法辨清圖像的內容；B為遠點聚焦圖像，遠距離處圖像細節保留充分，較為清晰，近距離處圖像細節丟失嚴重，圖像模糊，無法辨認.本例采用小波變換的圖像融合方法，將A與B圖像融合，從融合結果來看，融合圖像結合了A和B的優勢，保留了源圖像清晰的部分，融合結果比較完美，細節保留充分.融合客觀評價表3可以得出，融合效果好，質量高.

表3 融合圖像的客觀評價結果Table3Objective evaluation of image fusion

圖1 原始SAR圖像Fig.1Original SAR image

圖2 原始TM圖像Fig.2Orignal TM image

圖3 PCA變換融合后的圖像Fig.3PCA transformation fusion image

圖4 小波變換融合后的圖像Fig.4Wavelet transformation fusion image

圖5 融合原始圖像AFig.5Original imageA

圖6 融合原始圖像BFig.6Original imageB

圖7 融合后的圖像Fig.7Fusion image

6 結語

利用圖像融合質量評價方法：主觀評價和客觀評價.在圖像融合中比較經典的融合算法，如加權平均法、IHS變換法、邏輯濾波法和Brovery變換法，同時結合MATLAB仿真結果，分析圖像融合后的質量，對比了算法的融合效果與性能.研究了基于PCA變換法的多傳感器圖像融合技術，闡述了PCA變換法的數學理論和原理，并PCA變換法在圖像融合中的變換方法和流程.同時，利用MATLAB進行了模擬比較了基于小波變換法的多傳感器獲得的圖像數據信息融合.從而驗證了各種算法的使用特點.鑒于各個方面的局限，其中很多算法還沒有作深入研究和改進，在以后的工作和學習中，將著重研究這一方面，尤其是小波變換法的應用研究.

致謝

感謝湖北省教育科學“十二五”規劃2013年度立項課題：地方性高校新興交叉學科建設的研究——以網絡科學為例項目的資助！

［1］James J Clark，Alan L Yuille.Data Fusion for Sensory Information Processing Systems［M］.Kluwer Academic Publishers，2010：223-225.

［2］劉海濤，石躍祥，康蘊.基于小波分析的圖像融合新方法［J］.計算機工程與應用.2013，49（6）：205-208.

LIU Haitao，SHI Yuexiang，KANG Yun.New method for image fusion based on wavelet transform［J］.Computer Engineering and Applications.2013，49（6）：205-208.(in Chinese)

［3］廉敬.圖像融合技術研究［J］.信息通信,2013，60（1）：28-29.

LIANJing.The Research of Image Fusion［J］.Information＆Communications,2013，60（1）：28-29.(in Chinese)

［4］王志杰，吳娜.改進的多傳感器圖像融合算法研究［J］.科技通信,2012，28（6）：80-81.

WANG Zhijie，WU Na.Improved Multi Sensor Image Fusion Algorithm［J］.Bulletin of Science and Technology.2012，28（6）：80-81.(in Chinese)

［5］胡鋼，秦新強，田徑.像素級多傳感器圖像融合技術［J］.沈陽工程學院學報,2007，3（2）：148-152.

HUGang，QINXin-qiang，TIANJing；Imagefusion technology of multi-sensor at pixel level［J］.Journal of ShenyangInstituteof Engineering：2007，3（2）：148-152.(in Chinese)

［6］周芳，王鵬波，李春升.遙感圖像融合效果評估方法［J］.現代雷達,2013，20（3）：239-243.

ZHOU Fang，WANG Pengbo，LI Chunsheng.Evaluation Method of Remote Sensing image Fusion Effect［J］.Modern Radar,2013，35（3）：19-23.(in Chinese)

［7］Madni A.M.，Weijie Yun，Wan，L.A.Micromachining and artificial neural networks：the future of smart sensing［J］.IEEE，1995，45（2）：117-130.

［8］Pohl C V，Genderen J L.Multisensor image fusion in remote sensing：concepts，methods，and applications［J］.International Journal of Remote Sensing，1998，19（5）：823-854.

［9］王仁禮，戚銘堯，王慧.用于圖像融合的IHS變換方法的比較［J］.測繪學院學報，2000，17（4）：269-272.

WANG Renli，QI Mingyao，WANG HUI.Comparative Study on of the Mrthod of HIS Transformation for Image Fusion［J］.Journal of Institute of Surveying and mapping，2000，17（4）：269-272.(in Chinese)

［10］馬平等.多傳感器信息融合基本原理及應用［J］.控制工程，2006，13（1）：48-51.

MA Ping.Theory and Application of Multi-sensor Information Fusion［J］.Control Engineering of China，2006，13（1）：48-51.(in Chinese)

［11］蔣曉瑜.基于小波變換和偽彩色方法的多重圖像融合算法研究［D］.北京：北京理工大學,2007.

JIANG Xiaoyu.Reasearch on multisensor image fusion algorithm based on Wavelet Transform and false color［D］.Beijing：Beijing Institute of Technology Department of optical engineering,2007.(in Chinese)

［12］張家明.基于小波變換的圖像融合算法研究［J］.武漢理工大學學報，2007，29（12）：62-65.

ZHANG Jiaming.Research on image fusion algorithm based on Wavelet Transform［J］.Journal of WUT（Information＆Management engineering），2007，29（12）：62-65.（in Chinese)

［13］顧霞芳.基于小波變換的圖像融合方法探討與比較［J］.中國西部科技，2009，8（26）：21-22.

GU xiafang.Discussion and comparison on image fusion algorithm based on Wavelet Transform［J］.Science an Technology of West China，2009，8（26）：21-22.(in Chinese)

［14］浦西龍，呂建平.一種基于小波變換的多分辨率圖像融合算法［J］.計算機工程與應用,2007，43（20）：65-67.

PU Xilong，LV Jianping.A lgorithm of wavelet-based multiresolution image flusion［J］.Computer Engineering and Applications，2007，43（20）：65-67.(in Chinese)

［15］李曉春，陳京.基于小波變換的圖像融合算法研究［J］.遙感技術與應用，2003，18（1）：27-30.

LI Xiaochun，CHEN jing.The Research of Multispectral image Fusion Algorithm Based On Wavelet Transform［J］.Remote Sensing Technology and Application，2003，18（1）：27-30.(in Chinese)

［16］趙瑞珍.基于小波變換的圖像多尺度數據融合［J］.計算機輔助設計與圖像學學報，2002，14（4）：361-364.

ZHAO Ruizhen etc.Multiscale Image Data Fusion with Wavelet Transform［J］.Joural of Computer-Aided Design＆Computer Graphics，2002，14（4）：361-364.(in Chinese)

［17］范文濤；基于小波變換的圖像融合技術研究［D］；鄭州：河南大學；2010.

FAN Wentao.Research on image fusion algo rithm based on Wavelet Transform［D］.Zhengzhou：HenanUniversity，2010.(in Chinese)

［18］Jitendra R Raol.Multi－Sensor Data Fusion with MATLAB［M］.CRC Press，2009.

Simulation of multi-sensor complex network data fusion algorithm in MATLAB

CHEN Xiang-yang，LU Jian-tao，LIU Pei，XU Ying，SHEN Chao
1.School of Computer Science and Engineering,Wuhan Institute of Technology; 2.The college of Post and Telecommunication of WIT,Wuhan 430074,China; 3.Science and Technology Department,Hubei Provincial Archives Bureau，Wuhan 430071,China

the multi-sensor data fusion techniques of complex networks have extensive application in multiple fields.There are many pixel-level multi-sensor image fusion algorithms,such as simple image fusion methods, principal component analysis method and wavelet transform，etc,and every algorithm has its unique features. It is necessary to make clear about their limitations,so we can make a suitable choice in the application.By using the simulation software Matlab to simulate the realization of various algorithms to process redundant image data obtained from multiple sensors,objective evaluation of image fusion about correlation coefficient and definition of value in different color space that results from various algorithms were obtained.The results of comparison show that various algorithms only in specific application conditions have good fusion effects and restore the original images.

complex network signal；image fusion；PCA transform；wavelet transform；IHS transform

TB35

A

10.3969/j.issn.1674-2869.2015.01.015

本文編輯：陳小平

1674－2869（2015）01－0067－06

2013－12－04

湖北省教育科學“十二五”規劃2013年度立項課題：地方性高校新興交叉學科建設的研究——以網絡科學為例（2013B060）.

陳向陽（1969－），男，河南開封人，副教授，碩士.研究方向：網絡通信工程、復雜網絡、生物信息等.