提升小波變換在圖像融合中的應用

何偉

（湖北大學計算機與信息工程學院 430062）

提升小波變換在圖像融合中的應用

何偉

（湖北大學計算機與信息工程學院 430062）

提出一種提升小波變換方案，將源圖像經過提升小波變換分解為水平、垂直和對角線三個高頻信號和一個低頻信號。同時構造一個融合規則集，對三個高頻信號和一個低頻信號采用不同的融合規則，融合成為結果圖像的高低頻信號，最后通過提升小波逆變換，重構結果圖像。實驗結果表明，融合后圖像保留更多的細節信息，可以獲得很好的視覺效果。

提升小波變換；圖像融合；融合規則

0 引言

小波變換利用在空間和頻率的局部變換，可以有效地從信號中提取信息，采用時-頻的局部化分析，充分突出問題某些方便的特征，小波變換在信號分析、語言合成、圖像識別、數據壓縮等方面取得了有科學意義和應用價值的成果。由于傳統小波變換的計算量大，計算復雜度高，對存儲空間要求高，不利于硬件實現。于是提出了基于提升算法的小波變換，稱為第二代小波變換，提升小波變換繼承了第一代小波的多分辨率的特征，變換后的系數是整數，計算速度快，無需額外的存儲開銷[1]。

1 提升小波變換原理

提升小波變換分為三步：（1）分裂。將圖像分解為高頻信號和低頻信號。（2）預測。利用高頻信號中的細節信息去預測低頻信號，形成新的低頻信號。（3）更新。用預測后的低頻信號中包含的輪廓信息去更新高頻信號。對源圖像的高頻信號和低頻信號采用不用的融合規則形成融合后的高頻信號和低頻信號。

提升小波逆變換，采用相反的變換方式，用融合后的低頻信號對融合后的高頻信號進行逆更新，形成結果圖像的高頻頻信號，再利用結果圖像的高頻頻信號對融合后的低頻信號進行逆預測，形成結果圖像的低頻信號，最后將結果圖像的高頻信號和低頻信號合并成為結果圖像[2]，如圖1所示：

圖1 提升小波變換原理

2 本文采用的提升小波變換方案

本文提出的提升小波變換方案，經過三步。（1）分裂。構造分裂算子，將源圖像A和源圖像B經過分解算子，進行水平、垂直和對角線分解，形成一個低頻信號和三個高頻信號。（2）預測。構造預測算子，利用三個高頻信號去預測低頻信號，形成新的低頻信號。（3）更新。構造更新算子，利用新的低頻信號分別對三個高頻信號進行更新，形成三個新的高頻信號[3]。

圖2 本文提升小波變換方案

在融合規則上，本文構造融合規則集，對高頻信號和低頻信號采用不同的融合規則。在低頻信號融合中采用加權平均算法，對對角線高頻信號采用區域能量和最大算法，對水平高頻信號采用區域梯度最大算法，對垂直高頻信號采用對比度最大算法。

在提升小波逆變換中，經過三步。（1）逆更新。構造逆更新算子，用融合后的低頻信號對融合后的水平、垂直和對角線高頻信號去更新，形成結果圖像的三個高頻信號。（2）逆預測。用結果圖像的三個高頻信號對融合后的低頻信號進行逆預測，形成結果圖像的低頻信號。（3）合并。構造合并算子，將結果圖像的三個高頻信號和一個低頻信號，合并成為結果圖像[4]。如圖2所示。

3 實驗結果

通過兩次對比試驗，分別給出待融合圖像A、B，經過提升變換、圖像融合和逆變換，得到結果圖像。實驗效果如圖3所示。

圖3 實驗結果

[1]Chen Y,Xiong J,Liu H L,et al.Fusion Method of Infrared and Visible Images Based on Neighborhood Characteristic and Regionalization in NSCT Domain[J].Optik-International Journal for Light and Election Optics,2014,125(17)：4980-4984

[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

[3]Cai J F,Ji H,Shen Z W,Ye G B.Data-Driven Tight Frame Construction and Image Denoising[J].Appl Comp Harm Anal,2014,1(37)：89-105

[4]胡鋼，劉哲，童小紅等.基于快速整數提升小波變換的多幅圖像融合[J].光電子.激光，2010，21（1）：144-148

Application of Lifting Wavelet Transform in Image Fusion

HE Wei
（College of computer and information engineering,Hubei University 430062）

Proposes a lifting wavelet transform scheme,decomposes the source images into three high frequency signals and one low frequency signal by lifting wavelet transform,the three high frequency signals are horizontal,vertical and diagonal.Constructs a fusion rule set,and uses the different fusion rules into three high frequency signals and a low frequency signal.Reconstructs image by lifting wavelet inverse transform.The experimental results show that the fused image retains more detail information and can obtain good visual effects.

Lifting Wavelet Transform;Image Fusion;Fusion Rules

湖北省教育廳科學技術研究計劃青年人才項目（No.Q20161011）

1007-1423（2017）32-0082-03

10.3969/j.issn.1007-1423.2017.32.019

何偉（1980-），男，湖北武漢人，碩士，講師，研究方向為系統分析與集成、模式識別與圖像處理

2017-09-15

2017-10-26