基于MATLAB的图像融合技术

2016-08-31刘生辉

中国科技信息 2016年1期

张　瑶　刘生辉

基于MATLAB的图像融合技术

张瑶刘生辉

在数字图像处理高速发展的今天，在计算机视觉、医学图像处理、红外检测、遥感影像分析和机器人视觉等诸多领域都用到了 “图像融合”技术，而且很适合当今科技发展的潮流。图像融合通常分为特征级、像素级以及决策级三个层次。图像融合技术作为当下信息技术的一个重要领域，是将来自不同时间、不同源、不同介质、不同表达方式、不同媒介的图像数据按一定的标准和规则综合在一起，以形成对图像目标更为清晰、完整、准确描述的图像处理技术。但是“图像融合”这一词汇对于初学者还是比较生僻的，所以本文在此具体地剖析讲述一下基于MATLAB的图像融合技术，以便于初学者能够理解比较复杂的数字图像处理技术和内容，如果大家能够拓展和举一反三，其他的数字图像处理技术也会很轻易地理解并掌握。

MATLAB具有丰富的函数库和强大的计算功能，包含了非常便捷的图像融合方法，其他图像融合软件在操作上都过于单调乏味，还是纯手工拖拉，精准度也不会太高，相比之下，MATLAB更高效，操作更加智能化，而且精度很高，能实现方便可行的图像融合技术。

计算机技术日益发展兴盛，图像处理的需求也日益扩大，所以作为当今社会的大学生，我们需要掌握这一项数字图像处理的技能，当然这门课程也受到了相当大的重视，很多高校计算机相关专业和电子专业都开设了MATLAB相关课程。

数字图像融合技术课程难度大、门槛高，不是那么容易理解，从理论到实践性的跨度很大。图像融合技术可广泛用于数字照相机的大景深成像、医学多模式图像的综合显示、地球遥感图像分类识别、机器人视觉、虚拟现实、三维图像重建、防恐怖安全检查等领域。所以我们要重视这一技术的理论及应用。

算法原理

图像的小波分解

mattat在Burt和Adelson图像分解与重构金字塔的启发下提出了小波变换的Mallat快速算法，该算法在小波变换中的作用如同傅里叶变换中的快速傅里叶变换FFT是对图像作小波分析和综合的基础。若对图像进行J层小波分解则将产生3J+1个像分量，包括3J个高频分量和1个低频分量。设尺度函数和小波函数对应的滤波器系数矩阵分别为H与G则图像小波分解为与之对应的图像重构公式为：

图像融合原理

图像融合技术包括两个部分，即“无缝合成”和“图像配准”。在进行图像融合时，成像过程中可能会受到各种因素的影响，得到的图像间存在着相对的几何差异。

利用将要融合的图像自身的特点、图像传感器类型和图像融合的目标，本文研究基于MATLAB的开放式数字图像处理上机实验平台，对“图像融合”的技术进行进一步的研究。

本文采用的图像融合算法是小波变换法算法，小波变换法能够同时提供信号在时域和频域中的信息，得到的融合图像清晰且细节丰富，在图像处理方面应用广泛。

小波变换原理公式为：

其逆变换为：

系统框架设计

选择两幅图像；

对这两幅图像进行预处理，即把噪声去除并进行图像配准等等；

选择并确定适当的图像融合算法；

对图像融合的结果进行评估；

若对图像融合的评估结果不满意，则需调整参数，重新进行图像融合，重复步骤以上的操作。

输出图像融合结果。

系统实现

图像预处理

图像预处理部分是对图像的灰度值进行判断，如果灰度值较大，要对像素点进行减弱操作（用0.5与像素点做乘法），反之如果灰度值较小，对像素点加强（用1.2与像素点做乘法）。处理之后图像的灰度值整体趋于平缓。其程序流程图如下图所示。

小波分解及图像融合

小波分解和图像融合部分分为两步，第一步是将经灰度处理的图像进行小波分解，小波分解部分利用Matlab自带的函数进行，分解后检查图像的频域，将低频部分进行增强。其图像流程图如下图所示

其中关键性函数有：

Waverec2：二维信号的多层小波分解。

Colormap（map）用map矩阵映射当前图形的色图。Subplot：将多个figure放到一个平面中。

实验结果和分析

可以利用小波分析的方法，首先我们要对信号加以分解，使将要被分解的信号利用小波分析的方法，通过一组尺度不同的带通滤波器进行滤波，使信号分解，当信号分解成不同频带后，对不同的图像进行频带检测，以确认可以进行信息的处理。举个例子，人类视觉的多通道滤波也是利用光线的不同频带进行信息的分析处理。小波滤波与人类视觉通道按对数特征变化是一致的。

小波变换能把信号进行多分辨分析，表达了图像在不同分辨率下的特征，适用于图像融合技术。

小波分析用于图像融合是小波分析应用的一个重要方面。它的特点是压缩比高，压缩速度快，压缩后能保持信号与图像的特征不变。下面有两张原始图像，建好坐标后，大小一致。