基于引导滤波的遥感图像融合算法

那　彦，任梦乔

(西安电子科技大学 电子工程学院， 陕西 西安 710071)



基于引导滤波的遥感图像融合算法

那彦，任梦乔

(西安电子科技大学 电子工程学院， 陕西 西安 710071)

针对目前遥感图像融合算法的不足，提出了一种基于引导滤波的遥感图像融合算法。该算法通过引导滤波器求取加权系数，对小波变换后的小波系数和近似系数进行加权融合，针对融合后得到的小波系数和近似系数应用小波反变换，最终得到融合图像。实验结果表明，文中提出的融合算法所得图像内容丰富、细节清晰、具有良好的实验效果。

遥感图像；图像融合；引导滤波

图像融合是将对同一目标拍摄的两幅或多幅图像合成为一幅图像的过程，得到的融合图像同时具有源图像的优点，能提供更加丰富可靠的信息，方便人们有效的分析数据或者观察目标[1]。图像融合分为3个处理层次，分别是像素级融合、特征级融合和决策级融合。像素级融合是对源图像中的目标和背景等信息直接进行处理，其能最大程度地保持图像细微的信息，因此研究较为广泛[2]。

遥感图像是用于描述地表信息的重要数据源，但受到传感器的限制，得到的遥感图像难以同时具有高光谱分辨率和高空间分辨率。全色成像的频带宽、频率分辨率低，具有较高的空间分辨率，得到的全色图像较清晰。多光谱成像的频率窄、频率分辨率高，但空间分辨率较低，得到的多光谱图像较模糊[3]。将全色图像和多光谱图像进行融合，利用它们的互补信息，可提供一个同时具有高空间分辨率和光谱分辨率的融合图像，从而满足更深层次应用的需要[4]。

1　引导滤波器基本理论

1.1引导滤波器定义

常见的空间滤波器有高斯滤波器等，属于线性移不变滤波器，其共同点是核空间不变性，且与输入图像的内容无关。但多数情况下，需要把图像包含的信息在滤波过程中体现出来，因此提出引导滤波器[5]。引导滤波器,就是滤波器核权重,是由引导图像信息确定的滤波器。引导图像和输入图像可以为同一幅图像，也可以为不同的图像。引导滤波器(Guided Filtering)的概念在2010年由KaiMing He[6]等人提出。引导滤波器具有边缘保留平滑特性，在图像增强[7]、图像去雾[8]、图像融合[9]等方面取得了良好的效果。

引导滤波的输出图像O和引导图像G是基于局部线性模型的，即在以k为中心的窗ωk内，在像素点i处，输出值Oi是Gi的线性变换，即

Oi=akGi+bk

(1)

其中，ωk是(2r+1)×(2r+1)大小的窗；ak和bk是窗ωk内的常数系数。为估计常数系数ak和bk，可以通过最小化输出图像O与输入图像P的平方差来计算

(2)

(3)

在计算每个窗口的线性系数时，可以发现一个像素会被多个窗口包含，也就是说每个像素都由多个线性函数所描述。一个简单的方法就是平均像素i处所有可能的输出像素值Oi。因此，按以下公式计算滤波器输出

(4)

1.2引导滤波器的参数分析

引导滤波器的窗口半径r和调整参数ε对滤波器的输出结果都会产生一定的影响。半径r控制滤波器滤波窗口的大小，决定了空间滤波的能力。r取值越大，滤波器在空间滤波时的窗就越大，图像会更加平滑。ε决定了滤波器的滤波效果。

2　基于引导滤波器的图像融合算法

本文提出了一种基于引导滤波的遥感图像融合算法，算法对小波分解得到的小波系数和近似系数进行加权融合，得到的融合图像，较好地保留了图像的边缘和细节信息。

具体的融合算法步骤如下：(1)输入严格配准和预处理后的多光谱图像和全色图像；(2)对多光谱图像应用IHS变换进行处理，得到色调H、饱和度S和亮度I；(3)对多光谱图像的亮度I和全色图像应用一层小波变换。亮度I被分解为低频系数A1和3个小波系数H1、V1、D1。全色图像被分解为低频系数A2和3个小波系数H2、V2、D2；(4)使用基于引导滤波的加权融合算法来分别融合近似和小波系数。由于两个低频系数A1和A2维持了源图像的总体形状，因此对两幅低频图像基于每个像素点进行比较，得到权值图W1和W2

(5)

但这样直接比较得到的权值图通常含有噪声，并且边缘没有对齐。考虑到引导滤波的作用是保持图像边缘的同时滤除图像的噪声，因此对权值图W1和W2应用引导滤波器滤波，两个低频系数A1和A2分别作为引导图像。通过滤波得到新的权值图M1和M2

(6)

应用得到的权值图M1和M2，通过加权融合算法来融合两个低频系数A1和A2得到融合后低频系数A。并通过加权融合算法来分别融合3组对应的小波系数H1和H2，V1和V2，D1和D2得到融合后小波系数H、V和D

(7)

(5)针对融合后的低频和小波系数A、H、V、D应用小波反变换得到融合后的亮度Inew；(6)对多光谱图像的H分量、S分量和融合后的亮度分量Inew应用IHS反变换得到融合图像。

3　实验结果与分析

利用遥感图像对基于引导滤波的加权融合算法进行仿真实验，并对仿真结果进行分析。采用的遥感图像如图1所示，其中多光谱图像与全色图像是经过严格配准的。

图1　遥感源图像

基于引导滤波的融合规则进行融合时，引导滤波器的参数设置为r=7，ε=10-2。选用另外两种融合算法做对比实验，一种为直接取大融合算法，另一种为直觉模糊推理的图像融合算法[10]。为方便起见，分别称这3种算法为引导滤波算法、直接取大算法和直觉模糊推理算法。图2所示是3种融合算法的融合结果。观察图2中的3幅融合图像可以看出，3种算法都取得了不错的融合效果。但本文算法所得图像对比度更强，观察图3中3幅图像的右下角可以看出，本文所提算法能够更好的保持图像边缘信息。

图2　遥感图像融合结果

为客观评价融合图像的质量，采用标准差、平均梯度、信息熵、光谱相关系数和空间频率这5种指标来评价遥感图像的融合结果，评价结果如表1所示。

表1　基于不同融合规则的遥感融合图像评价参数

在表1中，将本文算法所得结果与直接取大算法进行对比，本文算法在标准差、平均梯度和空间频率上明显更好，而其他两个参数相差不大。将本文算法所得结果与直觉模糊推理算法的进行对比，本文算法在标准差、平均梯度、光谱相关系数和空间频率上明显更好。所提融合算法在使大多数参数表现最好的同时能够尽可能地保持其他参数的特性，是一种综合性能最高的融合算法。该算法能够得到更好的融合效果，融合结果优于直接取大融合算法和直觉模糊推理融合算法。

4　结束语

本文提出了一种基于引导滤波的遥感图像融合算法，引导滤波器可在滤除图像噪声的同时保持图像边缘。使用文中算法对遥感图像进行仿真实验，实验结果表明，本文提出的融合算法，优于已有的直接取大融合算法和直觉模糊推理融合算法。

[1]那彦,焦李成.基于多分辨分析理论的图像融合方法[M]．西安：西安电子科技大学出版社，2007．

[2]魏世超．图像融合方法研究[D]．镇江：江苏科技大学，2012．

[3]王金玲,贺小军,宋克非.采用区域互信息的多光谱与全色图像融合算法[J].红外与激光工程，2014,8(8):2757-2764.

[4]翟军涛,那彦,孟捷,等. 基于非采样Contourlet变换的多光谱和全色图像自适应融合算法[J]. 系统工程与电子技术,2009,31(4):764-767.

[5]王峰.图像引导滤波器在单幅图像复原中的应用[D].合肥:合肥工业大学,2012.

[6]He Kaiming, Sun Jian,Tang Xiaoou. Guided image filtering[J]. Pattern Analysis and Machine Intelligence, 2012, 35(6):1397-1409.

[7]肖创柏,赵宏宇,禹晶.基于引导滤波的Retinex快速夜间彩色图像增强技术[J].北京工业大学学报,2013,12(12):1868-1873.

[8]唐鉴波,江铁,王田. 基于引导滤波的单幅图像去雾算法研究[J].科学技术与工程,2013, 13(11):3021-3025.

[9]Li Shutao,Kang Xudong,Hu Jianwen. Image fusion with guided filtering[J]. IEEE Transactions on Image Processing, 2013,22(7):2864-2875.

[10] 孙祺,那彦,刘波. 基于Mamdani型直觉模糊推理的图像融合算法研究[J].电子科技，2014,27(5): 193-196.

Remote Sensing Image Fusion Algorithm Based on Guided Filtering

NA Yan, REN Mengqiao

(School of Electronic Engineering, Xidian University, Xi’an 710071, China)

A guided filtering-based remote sensing images fusion algorithm is presented in this paper. Weighted coefficients are determined with guided filter, wavelet coefficients and approximation coefficients are fused by the weighted fusion method. A fused image is obtained by inverse wavelet transform. Experiment results show that the fused image based on the proposed algorithm contains a great amount of information with clear details.

remote sensing image; image fusion; guided filtering

10.16180/j.cnki.issn1007-7820.2016.08.035

2015-11-18

那彦(1964-)，男，博士，教授。研究方向：图像融合等。任梦乔(1991-)，女，硕士研究生。研究方向：图像融合。

TP751

A

1007-7820(2016)08-121-03