黃 偉 ，馮 徑 ，柳亞婷 ，朱 建

（1.解放軍理工大學(xué) 氣象學(xué)院，江蘇 南京 211101；2.解放軍理工大學(xué) 工程兵工程學(xué)院，江蘇 南京 210007）

圖像融合是指利用各種成像傳感器獲得不同圖像，綜合各圖像的互補(bǔ)信息和冗余信息，產(chǎn)生一幅新的圖像，以獲得更為精確、可靠、全面的圖像描述，從而提高圖像的信息分析和提取能力，并更適合于人眼感知[1]。圖像融合的處理通常分為像素級(jí)、特征級(jí)和決策級(jí)3個(gè)層次，目前大部分研究集中在像素級(jí)融合，比較典型的算法有IHS變換法、PCA變換和基于多分辨率分析的方法等。這些算法都是針對(duì)整個(gè)圖像場(chǎng)景進(jìn)行處理，沒有考慮到圖像不同區(qū)域的空間特征，而通常圖像中某一局部區(qū)域內(nèi)的各像素點(diǎn)之間具有較強(qiáng)的相關(guān)性，圖像中的區(qū)域特征往往需要通過多個(gè)像素來表征和體現(xiàn)[2]，因此，基于區(qū)域特征的圖像融合方法更加合理，對(duì)降噪和配準(zhǔn)的魯棒性更強(qiáng)。

本文在研究基于區(qū)域特征的融合準(zhǔn)則的基礎(chǔ)上，提出了一種基于區(qū)域特征的結(jié)合IHS變換和小波變換的圖像融合算法，首先分別對(duì)多光譜圖像和高分辨率全色圖像進(jìn)行IHS變換和直方圖匹配[3]，然后對(duì)相應(yīng)頻率分量進(jìn)行小波融合時(shí)引入?yún)^(qū)域特征準(zhǔn)則，最后通過實(shí)驗(yàn)驗(yàn)證了該算法的有效性和優(yōu)越性。

1 IHS變換和小波變換

傳統(tǒng)的基于IHS變換的圖像融合方法存在一定的局限性[4]，首先，該方法要求替換I分量的圖像P與I分量之間具有較大的相關(guān)性，但在許多實(shí)際應(yīng)用場(chǎng)合，這種要求并不能得到滿足，如果二者的相關(guān)性很低，有可能帶來很大的光譜扭曲現(xiàn)象，針對(duì)這個(gè)缺點(diǎn)，不直接用P代替I分量，而是根據(jù)區(qū)域特征原理，以某個(gè)特征作為選取標(biāo)準(zhǔn)對(duì)P和I分量進(jìn)行比較，選擇更能體現(xiàn)圖像細(xì)節(jié)特征的分量來充當(dāng)新的I分量。其次，該方法僅適合于參與融合的多光譜圖像3個(gè)波段的處理，對(duì)于多于3個(gè)波段的數(shù)據(jù)融合，IHS變換則無能為力，因此可以采用小波變換等其他方法進(jìn)行融合。

傳統(tǒng)的小波變換融合方法是先對(duì)進(jìn)行融合的兩幅圖像進(jìn)行小波分解，將分解后的高分辨率圖像的高頻分量和多光譜圖像的低頻分量結(jié)合，然后對(duì)其進(jìn)行小波逆變換得到融合后的圖像[5]。所得的融合圖像在保留大部分光譜信息的同時(shí)，空間分辨率也有了一定的提高，但仍然存在一點(diǎn)的缺陷，例如，融合中舍棄了高分辨率圖像的低頻分量，雖然圖中各區(qū)域的邊界得到了較明顯的增強(qiáng)，但圖中平滑區(qū)域內(nèi)部的灰度范圍被壓縮，圖像比較昏暗，而且舍棄的低頻分量中還含有一部分細(xì)節(jié)信息，使得融合效果不理想。

2 融合規(guī)則

為了克服IHS融合方法中光譜失真和小波變換融合方法圖像會(huì)出現(xiàn)細(xì)節(jié)失真的缺點(diǎn)，本文采用結(jié)合IHS變換和小波變換的方法來融合多光譜圖像和高分辨率圖像，并在融合過程中分別對(duì)兩幅圖像小波分解后的低頻分量和高頻分量引入相應(yīng)的區(qū)域特征準(zhǔn)則，具體的融合過程如下：

1）將多光譜圖像從RGB空間轉(zhuǎn)換到IHS空間，得到I、H、S 3個(gè)分量；

2）高分辨率圖像以亮度分量I為參考進(jìn)行直方圖匹配，得到的圖像記為P，使之與多光譜圖像保持較高的相關(guān)性；

3）對(duì)I分量和圖像P分別進(jìn)行n級(jí)小波分解，得到兩組不同分解級(jí)上的各個(gè)頻率的子圖像；

4）對(duì)小波分解后的各頻率子圖像引入?yún)^(qū)域特征準(zhǔn)則；

低頻部分采用加權(quán)平均算子融合法，

式中，I為多光譜圖像經(jīng)IHS變換后得到的亮度分量，P為高分辨率圖像經(jīng)過直方圖匹配后得到的圖像，F(xiàn)為融合后的圖像，KI、KP為權(quán)系數(shù)，且 KI＞KP。

高頻部分采用改進(jìn)的區(qū)域方差加權(quán)融合法，首先選取以當(dāng)前像素為中心的一個(gè)3×3局部區(qū)域，然后求出I分量和圖像P的各分解層n、各方向ε上對(duì)應(yīng)像素的區(qū)域方差，分別記為，再進(jìn)行歸一化處理。

由以上規(guī)則可知，在對(duì)應(yīng)的分解層和方向上，當(dāng)I分量和圖像P歸一化后的區(qū)域方差值差別較大時(shí) （Stdnε，I－Stdnε

，P），說明一幅圖像的細(xì)節(jié)信息較豐富，而另一幅的細(xì)節(jié)信息則較少，此時(shí)選擇區(qū)域方差較大的像素值作為融合后的小波系數(shù)，而當(dāng)I分量和圖像P歸一化后的區(qū)域方差比較接近時(shí)，說明兩者都含有豐富的細(xì)節(jié)信息，此時(shí)采用加權(quán)平均融合算子來確定融合后的小波系數(shù)。這樣既可以保留圖像的細(xì)節(jié)特征，又減少了噪聲，保證了圖像的融合效果。

5）以融合后的低頻和高頻小波系數(shù)進(jìn)行小波逆變換，得到新的亮度分量I′。

6）用 I′代替步驟 1）得到的 I，并同 H、S分量圖像經(jīng) IHS逆變換轉(zhuǎn)RGB空間，得到融合后的圖像。

文中算法的主要融合過程如圖1所示。

圖1 本文算法的過程示意圖Fig.1 The process schematic diagram of this algorithm

3 實(shí)驗(yàn)及結(jié)果分析

對(duì)于融合圖像質(zhì)量的評(píng)價(jià)通常采用主觀判斷和客觀定量分析相結(jié)合的方法，本文采用的客觀質(zhì)量評(píng)價(jià)參數(shù)包括信息熵、均方根誤差和平均梯度。信息熵是衡量圖像信息豐富程度的一個(gè)重要指標(biāo)，融合圖像的熵越大，說明融合圖像的信息量增加得越多；均方根誤差用來衡量融合圖像和標(biāo)準(zhǔn)參考圖像，均方根誤差越小，說明融合圖像與理想圖像越接近，融合效果和質(zhì)量越好；平均梯度反映了圖像中的微小細(xì)節(jié)反差與紋理變化特征，圖像的平均梯度越大，表示圖像的清晰度越好[6]。

文中選用的融合源圖像為256×256的低分辨率多光譜圖像和高分辨率全色圖像，已經(jīng)過配準(zhǔn)，分別如圖2（a）、圖2（b）所示，理想圖像如圖2（c）所示。實(shí)驗(yàn)在matlab7仿真環(huán)境下進(jìn)行，為了對(duì)比不同算法的圖像融合效果，分別列出了IHS變換融合法、小波變換融合法和本文算法的融合結(jié)果圖，分別如圖 2（d）、圖 2（e）和圖 2（f）所示，小波分解級(jí)數(shù)均為 3 級(jí)。

從實(shí)驗(yàn)結(jié)果可以看出，圖2（d）具有較好的清晰度，但圖像色調(diào)偏暗，且明暗區(qū)域?qū)Ρ炔皇呛苊黠@；圖2（e）的亮度較源圖像有所增強(qiáng)，但是色彩不夠豐富，且邊緣細(xì)節(jié)較模糊；圖2（f）的色彩和清晰度是3種融合結(jié)果中最佳的，亮度上有所提高，消除了傳統(tǒng)IHS融合法對(duì)圖像色調(diào)的影響，并且圖像的邊緣細(xì)節(jié)更加明顯，清晰度提高。

3種算法的圖像融合結(jié)果的客觀評(píng)價(jià)參數(shù)如表1所示，可以看出，信息熵、均方根誤差和平均梯度都從客觀上說明了本文提出的算法要優(yōu)于其他兩種融合方法。

表1 3種融合方法的客觀評(píng)價(jià)參數(shù)Tab.1 Objective evaluation parameters of three methods

4 結(jié) 論

文中提出了一種基于區(qū)域特征的結(jié)合IHS變換和小波變換的圖像融合算法，首先分別對(duì)多光譜圖像和高分辨率全色圖像進(jìn)行IHS變換和直方圖匹配，然后對(duì)源圖像小波分解后的相應(yīng)頻率分量進(jìn)行融合時(shí)引入?yún)^(qū)域特征準(zhǔn)則，克服了IHS融合方法中光譜失真和小波變換融合方法中圖像會(huì)出現(xiàn)細(xì)節(jié)失真的缺點(diǎn)。實(shí)驗(yàn)結(jié)果表明，本文算法的融合圖像色調(diào)明顯，對(duì)比度強(qiáng)，清晰度高，比傳統(tǒng)的IHS變換法和小波變換法更具優(yōu)越性。

[1]郭雷，李暉暉，鮑永生.圖像融合[M].北京:電子工業(yè)出版社，2008.

[2]李暉暉.基于區(qū)域分割的遙感圖像融合方法[J].光子學(xué)報(bào)，2005，34（12）：1901-1905.LI Hui-hui. A region-based remote sensing image fusion method[J]. Acta Photonica Sinica，2005，34（12）:1901-1905.

[3]吳艷，楊萬海，李明.多光譜與高分辨率圖像融合算法研究[J].光子學(xué)報(bào)，2003，32（2）：174-178.WU Yan，YANG Wan-hai，LI Ming.Fusion algorithm of multispectral and high-resolution panchromatic images[J].Acta Photonica Sinica，2003，32（2）：174-178.

[4]Tu T M，Su S C，Shyu H C，et al.A new look at IHS-like imagefusion methods[J].Information Fusion，2001，2:177-186.

[5]Huang X S，Chen Z.A wavelet-based scene image fusion algorithm[C].Proceedings of IEEE TENCON，2002:602-605.

[6]興旺，田秀華.基于邊緣分割的多光譜圖像融合方法[J].微計(jì)算機(jī)信息，2010，26（5）:204-205.XINGWang，TIANXiu-hua.Multispectral image fusion method based on edge segmentation[J].Control and Automation Publication Group，2010，26（5）:204-205.