一种改进多焦点图像融合技术

姜媛

摘要：图像融合就是采用一些算法，将不同传感器对同一场景形成的不同像进行融合处理，使图像的模糊部分更少，可读性更强，更适合人眼观察及其计算机进行检测，识别，处理。

本文提出了一种改进的小波多焦点融合方法，其基本思想是：首先对图像进行小波变换，在图像的低频区域根据特定原则选取近似系数和细节系数，更好的保留了图像的边缘特征，提高了图像质量。利用Matlab仿真，将本文提出的方法与拉普拉斯金字塔融合算法和离散小波融合算法在平均值，标准差，熵和平均梯度进行定量评价比较，证明了本文提出方法的优越性。

0 引言：

图像融合是指将不同传感器所提供的信息加以综合，以获得对同一场景的更为精确，全面和可靠的图像描述。[1]由于小波变换具有非冗余性，使得图像经小波变换后的数据总量不会变大；利用小波变换的方向性，就有可能针对人眼对不同方向的高频分量具有不同分辨率这一视觉特性， 获得视觉效果更佳的融合图像[2]。

传统的小波变换融合方法得到的融合图像效果，与原图像清晰区域相比，其对应的图像质量有所降低。因为这种方法会造成边缘区域信息的丢失，为此本文提出一种改进的小波变换图像融合方法，并对图像的融合质量进行评价。

1 多焦点图像小波融合基本理论

1.1多焦点图像条件

本文采用两幅图像进行融合的方式来仿真验证，这两幅图像需要满足下列条件：

1：两幅图像是对同一场景成像

2：两幅图像是对场景中的不同物体聚焦的图像

3：场景中的任何一个区域都可以在两幅图像之一得到清晰的體现

1.2小波图像融合理论

图像经过小波分解后，低频部分描述的是图像的背景信息，高频部分描述的是图像的边缘以及纹理等细节信息。[3]

1.2.1 融合过程：

设原图像是M与N最后得到的结果图像是Z，融合的过程如下：

1：把小波基作用在源图像上，将原图像分解成不同频率的子图像

2：在不同的频率上分别使用不同的融合准则和系数

3：把上面得到的图像通过小波变换的逆变换进行重构，得到融合后的图像。

1.2.2 不同频率系数的选取原则

在对多分辨率的图像进行融合的过程中，系数的选取决定了图像融合最终的效果。系数主要包括近似系数和细节系数。

（1）近似系数的选取

低频系数包含了图像的边缘信息。[4]为了强调传统方法当中忽略的近似部分在图像融合中起的作用，本文提出了一种改进的近似系数选择方法。

假设两幅原图像M与N，经过K层小波分解后，得到低频图像LM和LN。对得到的近似图像进行边缘检测。

近似系数选取的步骤为：首先判断像素是否代表低频图像的边缘。如果代表图像的边缘部分，则选择系数值大的作为融合近似系数，如果不是代表图像的边缘部分，则计算以这个像素为中心的邻域T内的能量，选择能量较大的区域作为低频融合近似系数。

（2）细节系数的选取

细节系数代表图像的突变特征。由文献可知，基于区域梯度与基于区域能量的方法充分的考虑到了各个像素之间的相关性，对图像融合的效果更好。因此，本文采用基于区域能量的方法选取细节系数。

2 MATLAB仿真与结果评价

本文利用MATLAB软件来对多焦点图像A与B来进行图像融合的仿真处理。将本文的算法同拉普拉斯金字塔融合算法和离散小波融合算法进行评价比较。先将图像变为标准融合图像，再从平均值，标准差，熵和平均梯度这四个方面进行评价。

由仿真结果定性的比较可以得出利用本文方法进行融合的图像比利用拉普拉斯金字塔融合算法进行融合的图像和利用离散小波算法融合的图像在边缘部分更加清晰，融合效果更好。利用MATLAB对图像进行平均值，标准差，熵和平均梯度方面的定量指标可知本文方法得到的融合图像平均值，标准差，熵和平均梯度较大，可以说明本文使用的方法处理的图像亮度更高，边缘部分更加突出，含有的信息更多。实验评价对比结果显示本文使用的方法优于拉普拉斯金字塔融合算法和离散小波融合算法，融合后图像质量更好

参考文献：

[1]Ishita De， Bhabatosh Chanda.A simple and efficient algorithm for multifocus image fusion using morphological wavelets. Signal Processing 86 （2006） ：924–936.

[2]刘贵喜，杨万海.基于小波分解的图像融合方法及性能评价[J].自动化学报，2002（06）：927-934.

[3]冯雪.多焦点图像融合方法研究[D].东北师范大学，2008.

[4]张立凯.多焦点图像融合方法的研究[D].吉林大学，2013.