基于對比度的小波圖像融合算法研究?

基于對比度的小波圖像融合算法研究?

王世立

（中國人民解放軍91404部隊秦皇島066000）

圖像融合可以集成多個源圖像中的冗余和互補信息，增加圖像理解的全面性，獲得對同一場景的更為準確可靠的圖像描述。傳統的小波圖像融合方法的融合規則是分別對低頻和高頻系數進行處理，忽略了其中的聯系，論文定義一種對比度將高頻系數和低頻系數的處理聯系起來，并以對比度的大小作為度量系數取舍的準則進行圖像融合。經實驗仿真研究表明，該文算法獲得的融合結果都獲得了良好的效果。

圖像融合；多聚焦；小波變換；對比度

Class NumberTP391

1 引言

圖像融合是指綜合來自多個傳感器對同一場景的圖像數據，充分利用彼此間的互補信息，以獲得更精確和全面的描述［1～2］?；谛〔ㄗ儞Q的圖像融合方法具有融合效果好的突出特點，已成為圖像融合應用和研究的熱點?；谛〔ㄗ儞Q的融合算法的步驟為［3］：1）將圖像進行小分解，得到各層各分量對應的小波系數；2）選取融合規則，對各系數進行運算選??；3）對處理后的系數進行小波逆變換得到融合圖像。在圖像融合算法中，融合規則的選取是至關重要的，它直接影響融合后圖像的質量。目前融合規則可分為兩大類：基于像素的融合規則和基于區域的融合規則［4］?；谙袼氐娜诤弦巹t是指融合規則只對指定的單個像素進行運算，不涉及其鄰域，而基于區域的融合規則充分考慮其鄰域內像素的相關性，融合效果更好，應用更多。目前基于區域的融合規則主要有基于區域方差和基于區域能量的融合算法兩種［5］。圖像經小波分解后得到一個低頻子圖像和多個高頻子圖像，低頻子圖像代表了圖像的近似分量，高頻分量代表了圖像的細節分量，現有的融合規則是單獨對低頻分量或高頻分量處理，忽略了高頻與低頻分量之間的聯系，本文提出一種對比度概念，將低頻分量和高頻分量聯系起來，進而提出一種基于對比度的小波圖像融合算法，選取對比度高的系數作為融合系數。仿真實驗結果表明該方法能取得較好的融合效果。

2 對比度

假設兩幅圖像為A(x,y)和B(x,y)，用(x,y)表示任意像素的坐標，用giA(x,y)與fiA(x,y)，gB(x,y)與fB(x,y)（其中i=1,2,…,N）表示原圖

i

i像A和B分別經離散小波變換分解后的高頻和低頻子帶系數。原圖像經過圖像變換分解后的高頻子帶系數代表了原圖像的細節信息，細節信息越多，說明清晰度越高［6］。莆恬［7］將對比度概念應用于多傳感器圖像融合之中，圖像對比度C一般定義為

式中，LP為圖像局部灰度，LB為圖像局部背景灰度（相當于圖像變換后的低頻分量），LH=LP-LB則相當于圖像變換后的高頻分量。考慮到圖像像素之間的相關性，基于傳統的對比度概念，定義圖像中各像素的新的對比度如下

式中，N(x,y)為以像素(x,y)為中心定義的矩形窗口（一般較小，9×9如像素）。CI(x,y)越大，說明原圖像I中像素(x,y)所在局部區域對比度越大，對應像素越清晰。

3 基于對比度的小波融合算法

本文在傳統對比度的基礎上，定義一種新的對比度將高頻分量和低頻分量聯系起來，提出一種基于對比度的小波圖像融合算法。該算法的實現步驟如下：

1）離散小波對兩幅待融合圖像進行小波分解，得到低頻子帶系數和一系列高頻子帶系數；

2）對高頻和低頻子帶系數遍歷計算像素的對比度；

3）對高頻和低頻子帶系數按照相應的融合規則選取融合系數；

4）小波重構得到融合圖像。

圖像分解后的高頻子帶系數代表了細節分量，對比度高的像素是希望得到的像素，故定義高頻子帶的融合規則如下

圖像分解后的低頻子帶系數代表了近似分量且位于最高層，常用的融合規則為簡單的像素選擇或者加權平均，因本文對比度定義聯系了低頻與高頻子帶系數，所以只需選擇對比度高的像素，即

4 實驗結果

為驗證本文算法的性能，對多聚焦圖像進行融合實驗，分別與加權平均融合和小波分解融合［8］比較。圖1為左聚焦原始圖像，圖2為右聚焦原始圖像，圖3為加權平均融合圖像，圖4為小波分解后低頻取平均，高頻絕對值選大的融合圖像，圖5為本文算法融合圖像。

圖1 左聚焦圖像

圖2 右聚焦圖像

圖3 加權平均融合圖像

圖4 小波分解融合圖像

圖5 本文算法融合圖像

主觀分析上看，加權平均融合的結果相比原圖像更清晰，但是模糊了原圖像中的清晰部分，對比度降低。采用小波分解算法融合的結果相對加權平均融合的結果較清晰，對比度也得到提升。本文算法的融合結果與小波分解算法的融合結果相似，對比度得到了提升，但是圖5的灰度范圍比圖4的稍大，更符合人眼的視覺特性。

以客觀評價指標標準差和熵［9］，對實驗結果進行評價。標準差和熵可以分別表示為

其中u為圖像像素灰度的平均值，圖像的大小為M×N，P(l)為圖像像素的概率。標準差越大，則灰度級越分散，動態范圍大；熵反映了圖像的平均信息量，熵越大，信息越豐富。三種融合算法結果量化指標如表1所示。

表1 融合效果具體量化指標比較

從量化結果上可以看出，本文提出的基于對比度的小波圖像融合算法的結果標準差和熵比加權平均融合算法、小波分解算法都高，說明本文算法的融合結果對比度更高，圖像更清晰，所含信息量更大。

5 結語

圖像的對比度是圖像質量的一項重要指標，也是符合人眼特性的指標［10］。本文在傳統對比度定義的基礎上定義了一種新的對比度，它將圖像分解后的高頻系數與低頻系數聯系起來。以本文提出的對比度為度量設定融合規則，提出了一種基于對比度的小波圖像融合算法，通過對此算法的實驗仿真分析，圖像融合的效果得到提高。

［1］敬忠良，肖剛.圖像融合——理論與應用［M］.北京：高等教育出版社，2007：84-85.

JING Zhongliang，XIAO Gang.Image Fusion—Theory& Application［M］.Beijing：Higher Education Press，2007：84-85.

［2］何友，王國宏.多傳感器信息融合與應用［M］.北京：電子工業出版社，2000：35-36.

HE You，WANG Guohong.Multisensor Data Fusion Theo?ry and Application［M］.Beijing：Publishing House of Elec?tronics Indutry，2000：35-36.

［3］陶冰潔，王敬儒.采用小波分析的圖像融合方法評述［J］.計算機工程與應用，2005，25：16-19.

TAO Bingjie，WANG Jingru.Overview of Wavelet-Analy?sis-Based Image Fusion［J］.Computer Engineering and Application，2005，25：16-19.

［4］楊波.基于小波的像素級圖像融合算法研究［D］.上海：上海交通大學博士學位論文，2008，23-26.

YANG Bo.Research on Wavelet-Based Pixel-Level Im?age Fusion Algorithms［D］.Shanghai：Shanghai Jiao Tong University Doctor Degree thesis，2008，23-26.

［5］李艷杰.基于區域的多分辨率圖像融合算法研究［D］.長春：吉林大學，2007：7-14.

LI Yanjie.Region-based Multiresolution Image Fusion Al?gorithms［D］.Changchun：Jilin University，2007：7-14.

［6］夏明革，何友，歐陽文.基于小波分析的圖像融合評述［J］.紅外與激光工程，2003，32（2）：177-181.

XIA Mingge，HE You，OUYANG Wen.Overview of Wave?let-Analysis-Based Image Fusion［J］.Infrared and Laser Engineering，2003，32（2）：177-181.

［7］蒲恬，方慶喆，倪國強.基于對比度的多分辨率圖像融合［J］.電子學報，2000，28（12）：116-118.

PU Tian，FANG Qingzhe，NI Guoqiang.Contrast-Based Multiresolution Image Fusion［J］.Acta Electronica Sini?ca，2000，28（12）：116-118.

［8］毛士藝，趙巍.多傳感器圖像融合技術綜述［J］.北京航空航天大學學報，2002，28（5）：512-518.

MAO Shiyi，ZHAO Wei.Comments on Multisensor Image Fusion Techniques［J］.Journal of Beijing University of Aeronautics and Astronautics，2002，28（5）：512-518.

［9］胡良梅，高雋，何柯峰.圖像融合質量評價方法的研究［J］.電子學報，2004，32（12A）：218-221.

HU Liangmei，GAO Jun，HE Kefeng.Research on Quality Measures for Image Fusion［J］.Acta Electronica Sinica，2004，32（12A）：218-221.

［10］宮武鵬，王永仲.一種基于小波變換的紅外圖像對比度增強技術［J］.國防科技大學學報，2000，22（6）：117-119.

GONG Wupeng，WANG Yongzhong.Contrast Enhance?ment of Infrared Image via Wavelet Transform［J］.Jour?nal of National University of Defense Technology，2000，22（6）：117-119.

Wavelet Image Fusion Algorithm Based on Contrast

WANG Shili
（No.91404 Troops of PLA，Qinhuangdao066000）

Image fusion can integrate redundant and complementary information from multiple source images for increasing the comprehensiveness of image understanding and obtain a more accurate and reliable image of the same scne.Traditionally，fusion rules of wavelet image fusion is processing low-frequency and high-frequency coefficients separately and ignored the contact.The paper defines a contrast for contacting them，which is used as the measure to select the coefficient during image fusion.Experimen?tal simulation studies show that no mater in terms of subjective or objective evaluation the algorithm of this paper can get good effect in image fusion result.

image fusion，multi-focus，wave transform，contrast

TP391

10.3969/j.issn.1672-9722.2017.05.016

2016年11月13日，

2016年12月24日

王世立，男，碩士，助理工程師，研究方向：信息融合技術。