基于小波变换的红外与可见光图像的融合

颜家亮

摘要

传统红外图像与可见光图像融合时，存在目标信息丟失或减弱现象，本文提出一种基于小波的红外与可见光图像融合算法，为了提高使融合图像反映细节信息的能力，选用基于小波变换的融合算法，首先对源图像分别进行小波分解，然后利用像素加权的图像融合算法分别对分解得到的各个子带图进行图像融合，再将获得融合图像进行小波重构获得融合图像。实验结果表明，该算法得到的融合图像具有与红外图像相同的目标，且具备可见光图像的细节信息。

【关键词】小波分解 像素加权 融合

1 引言

图像融合的方法根据图像融合所在的图像层次不同加以区分，现阶段图像融合算法一般分为像素级、特征级，决策级三个层次。基于像素级的图像融合是指参与融合的图像源来自图像传感器所采集到的原始图像数。像素级融合是其他层次图像融合方法的基础；特征级融合在进行图像融合时首先提取不同源图像的边缘、轮廓等特征信息产生特征矢量，然后对特征矢量进行融合处理。决策级融合在三种不同的融合算法中位于最高层次的图像融合算法，在决策级融合思想中主要包括图像的特征提取、图像的识别、图像的决策级融合。本文的研究算法也主要是针对像素级的图像融合算法。

2 像素加权融合算法

加权系数融合方法顾名思义就是对两幅图像的灰度值矩阵进行加权而获得融合后的图像，例如A、B两幅图像的像素灰度值按下式融合。

其中A（i，j）和B（i，j）代表图像的二维灰度值矩阵，对于对应位置的像素进行线性加权操作，WA为图像A的加权系数，WB為图像B的加权系数，通常情况下WA+WB=1，WA=WB=0.5时，叫做平均加权。利用加权系数融合方法在源图像中的冗余信息过多时可以得到更多的有效信息，也可以提高融合后图像的信噪比，加权系数融合方法适合于源图像目标位置信息差异不大的地方。

3 基于小波变换的融合算法

小波变换的特点表现为低频时具有高频率分辨率和低时间分辨率，高频时具有高时间分辨率和低频率分辨率，基于这个特点在处理正常信号时很容易发现瞬态反常信号。本文算法主要应用二维离散小波变换。

3.1 二维离散小波变换

离散小波变换是对基本小波ψ（t）的尺度和平移进行离散化，也就是对连续小波的伸缩因子及平移因子进行采样而得到离散小波。通常使用的离散小波变换是二进制离散小波变换，它是取

，这样离散化后的小波和相应的小波变换称为二进小波和二进小波变换：

这时二进小波变换为：

信号f（t）的重构公式为：

其中c信号无关的常数。

经过两次小波变换后，图像获得3个高频子带和一个低频子带，第二层的小波变换分解是在低频分量LL上进行，分解算法与第一层小波变换分解算法相同。

3.2 基于小波变换的融合

基于小波的图像融合原理具体如下：先对己严格配准的两幅待融合图像A，B进行小波变换，若进行i层变换，便得到3i个高频子带和1个低频子带，将各子带作相应的融合处理，再将处理过的子带实行小波逆变换，便形成了结果图像。

本文采用像素加权的融合算法对经小波变换后的各子带进行融合处理。具体步骤如下：

（1）将己严格配准的红外图像和可见光图像采用二维离散小波变换算法进行1层小波变换。

（2）将变换的到的两幅图像按照WA=0.8，WB=0.2（WA为红外图像所占比重，WB为红外图像所占比重）进行像素加权融合。

（3）将融合后的图像进行小波重置，从而获得融合图像。

4 实验结果

本实验在Visual C++的平台上对红外与可见光图像融合算法进行了实验。实验结果如图1和图2所示，融合图像在凸显红外图像中目标的同时，保留了源图像很多细节信息，融合效果较好。

5 结论

图像融合能够解决单幅图像存在的局限性，而被广泛应用。通过图像融合可以提高图像质量并减少图像冗余度，以方便对图像进行深入的分析。而红外与可见光图像的融合更是对军事、国防有着重大的意义。本文选用基于小波变换的融合算法，在保留可见光图像细节信息的同时，也具备了红外图像中的目标，融合效果较好。

参考文献

[1]聂其贵，马惠珠，基于目标提取的红外与可见光图像融合新算法[J].应用科技，2014（10）：49-52.

[2]杨文彬，红外与微光融合系统对人体目标的探测概率研究[D].南京理工大学，2012.

[3]刘胜，文池英，徐大新，高炜，赵晓鹰.红外图像与可见光图像可匹配性研究[Z].中国航空学会制导与引信专业信息网学术交流会，2005.

[4]苑全兵，黄福，数字字符识别算法研究[J].电子测试，2010（04）：12-16.

[5]郝松傲，秦军.热红外图像与可见光图像的配准与融合[J].测绘，2008.