基于小波變換的紅外與可見光圖像的融合

顏家亮

摘要

傳統紅外圖像與可見光圖像融合時，存在目標信息丟失或減弱現象，本文提出一種基于小波的紅外與可見光圖像融合算法，為了提高使融合圖像反映細節信息的能力，選用基于小波變換的融合算法，首先對源圖像分別進行小波分解，然后利用像素加權的圖像融合算法分別對分解得到的各個子帶圖進行圖像融合，再將獲得融合圖像進行小波重構獲得融合圖像。實驗結果表明，該算法得到的融合圖像具有與紅外圖像相同的目標，且具備可見光圖像的細節信息。

【關鍵詞】小波分解 像素加權 融合

1 引言

圖像融合的方法根據圖像融合所在的圖像層次不同加以區分，現階段圖像融合算法一般分為像素級、特征級，決策級三個層次。基于像素級的圖像融合是指參與融合的圖像源來自圖像傳感器所采集到的原始圖像數。像素級融合是其他層次圖像融合方法的基礎；特征級融合在進行圖像融合時首先提取不同源圖像的邊緣、輪廓等特征信息產生特征矢量，然后對特征矢量進行融合處理。決策級融合在三種不同的融合算法中位于最高層次的圖像融合算法，在決策級融合思想中主要包括圖像的特征提取、圖像的識別、圖像的決策級融合。本文的研究算法也主要是針對像素級的圖像融合算法。

2 像素加權融合算法

加權系數融合方法顧名思義就是對兩幅圖像的灰度值矩陣進行加權而獲得融合后的圖像，例如A、B兩幅圖像的像素灰度值按下式融合。

其中A（i，j）和B（i，j）代表圖像的二維灰度值矩陣，對于對應位置的像素進行線性加權操作，WA為圖像A的加權系數，WB為圖像B的加權系數，通常情況下WA+WB=1，WA=WB=0.5時，叫做平均加權。利用加權系數融合方法在源圖像中的冗余信息過多時可以得到更多的有效信息，也可以提高融合后圖像的信噪比，加權系數融合方法適合于源圖像目標位置信息差異不大的地方。

3 基于小波變換的融合算法

小波變換的特點表現為低頻時具有高頻率分辨率和低時間分辨率，高頻時具有高時間分辨率和低頻率分辨率，基于這個特點在處理正常信號時很容易發現瞬態反常信號。本文算法主要應用二維離散小波變換。

3.1 二維離散小波變換

離散小波變換是對基本小波ψ（t）的尺度和平移進行離散化，也就是對連續小波的伸縮因子及平移因子進行采樣而得到離散小波。通常使用的離散小波變換是二進制離散小波變換，它是取

，這樣離散化后的小波和相應的小波變換稱為二進小波和二進小波變換：

這時二進小波變換為：

信號f（t）的重構公式為：

其中c信號無關的常數。

經過兩次小波變換后，圖像獲得3個高頻子帶和一個低頻子帶，第二層的小波變換分解是在低頻分量LL上進行，分解算法與第一層小波變換分解算法相同。

3.2 基于小波變換的融合

基于小波的圖像融合原理具體如下：先對己嚴格配準的兩幅待融合圖像A，B進行小波變換，若進行i層變換，便得到3i個高頻子帶和1個低頻子帶，將各子帶作相應的融合處理，再將處理過的子帶實行小波逆變換，便形成了結果圖像。

本文采用像素加權的融合算法對經小波變換后的各子帶進行融合處理。具體步驟如下：

（1）將己嚴格配準的紅外圖像和可見光圖像采用二維離散小波變換算法進行1層小波變換。

（2）將變換的到的兩幅圖像按照WA=0.8，WB=0.2（WA為紅外圖像所占比重，WB為紅外圖像所占比重）進行像素加權融合。

（3）將融合后的圖像進行小波重置，從而獲得融合圖像。

4 實驗結果

本實驗在Visual C++的平臺上對紅外與可見光圖像融合算法進行了實驗。實驗結果如圖1和圖2所示，融合圖像在凸顯紅外圖像中目標的同時，保留了源圖像很多細節信息，融合效果較好。

5 結論

圖像融合能夠解決單幅圖像存在的局限性，而被廣泛應用。通過圖像融合可以提高圖像質量并減少圖像冗余度，以方便對圖像進行深入的分析。而紅外與可見光圖像的融合更是對軍事、國防有著重大的意義。本文選用基于小波變換的融合算法，在保留可見光圖像細節信息的同時，也具備了紅外圖像中的目標，融合效果較好。

參考文獻

[1]聶其貴，馬惠珠，基于目標提取的紅外與可見光圖像融合新算法[J].應用科技，2014（10）：49-52.

[2]楊文彬，紅外與微光融合系統對人體目標的探測概率研究[D].南京理工大學，2012.

[3]劉勝，文池英，徐大新，高煒，趙曉鷹.紅外圖像與可見光圖像可匹配性研究[Z].中國航空學會制導與引信專業信息網學術交流會，2005.

[4]苑全兵，黃福，數字字符識別算法研究[J].電子測試，2010（04）：12-16.

[5]郝松傲，秦軍.熱紅外圖像與可見光圖像的配準與融合[J].測繪，2008.