摘 要：為了有效地提高了圖像信息的利用率和系統(tǒng)對目標(biāo)探測識別的可靠性。在此提出一種基于區(qū)域最大值的圖像融合方法。首先，對兩幅源圖像進(jìn)行三層小波分解，對高頻分量采用了基于區(qū)域最大值的融合策略，低頻分量采用平均值的融合策略。結(jié)果表明，在此所提融合方法無論是對多焦距圖像還是醫(yī)學(xué)圖像，融合效果都明顯優(yōu)于對比實驗的融合效果，都更好地保留了圖像的細(xì)節(jié)信息，具有較好的視覺效果。

關(guān)鍵詞：小波變換； 圖像融合； 區(qū)域最大值； 醫(yī)學(xué)圖像

中圖分類號：TN91934 文獻(xiàn)標(biāo)識碼：A 文章編號：1004

0 引 言

圖像融合技術(shù)最早應(yīng)用于衛(wèi)星遙感領(lǐng)域，美國陸地資源衛(wèi)星（LANDSAT）用多幅光譜圖像進(jìn)行簡單的數(shù)據(jù)合成計算，取得了一定的噪聲抑制和區(qū)域增強效果［1］。隨著科學(xué)的發(fā)展和技術(shù)的進(jìn)步，如今，圖像融合技術(shù)已廣泛應(yīng)用于軍事、遙感、計算機視覺和醫(yī)學(xué)圖像處理等領(lǐng)域［23］。

根據(jù)信息抽象的層次可以將圖像融合過程分為3個層次：即數(shù)據(jù)（DataLevel）層融合、特征（Feature Level）層融合和決策層（Decision Level）融合［47］。目前大部分研究都集中在數(shù)據(jù)層融合中，常用的融合方法有HIS融合法、KL變換融合法、高通濾波融合法、小波變換融合法、金字塔變換融合法、樣條變換融合法等。在眾多的圖像融合技術(shù)中，基于小波變換的圖像融合方法已成為現(xiàn)今研究的一個熱點。與傳統(tǒng)的數(shù)據(jù)融合算法相比較小波變換應(yīng)用于圖像融合的優(yōu)勢在于它可以將圖像分解到不同的頻率域，在不同的頻率域運用不同的融合算法，得到合成圖像的多分辨率分解，從而在圖像中保留原圖像在不同特征下的顯著特征［8］。目前對于小波的融合規(guī)則分為2種：基于單個像素的融合規(guī)則，基于區(qū)域特征的融合規(guī)則。本文采用基于區(qū)域最大值的圖像融合算法。

目前，圖像融合仍有許多待遇解決的問題。本文給出了一種基于區(qū)域最大值的圖像融合算法，用區(qū)域高頻取大算作為融合算法取得了較好的融合效果。

1 小波變換

1.1 快速小波分解

對二維圖像進(jìn)行N層小波分解，可以得到3N高頻子帶和1個低頻子帶。分別表征了圖像的細(xì)節(jié)信息和結(jié)構(gòu)信息。

設(shè)原始圖像f（x，y）為C0，H與G是一維小波濾波器矩陣，則二維小波分解算法如下：Cj+1=HCjHT

Dhj+1=GCjHT

Dvj+1=HCjGT

Ddj+1=GCjGT

（1）式中：h，v，d 分別代表水平、垂直和對角分量；HT和GT分別為H和G的共軛轉(zhuǎn)置矩陣；j為分解層數(shù)，j=0，1，2，…，J-1。

1.2 小波重構(gòu)

分解的基礎(chǔ)上，進(jìn)行小波重構(gòu)，小波重構(gòu)系數(shù)為：Cj－1=HTCjH+GTDhjH+HTDvjG+GTDdjG

（2）式中：h，v，d 分別代表水平、垂直和對角分量；j=J，J-1，…，1，HT和GT分別為H和G的共軛轉(zhuǎn)置矩陣，j為分解層數(shù)。

2 融合策略

2.1 小波變換融合算法

假設(shè)A和B代表兩幅源圖像，F(xiàn)代表融合后的圖像，融合步驟如下：

（1） 對已經(jīng)配準(zhǔn)好的源圖像A和B分別進(jìn)行二維DWT分解，得到圖像的低頻和高頻分量；

（2） 針對不同分解層上的低頻和高頻分量，采用不同的融合算子進(jìn)行融合；

（3） 將融合后的低頻分量和高頻分量進(jìn)行小波逆變換，重構(gòu)圖像得到融合圖像F。

2.2 高頻融合策略

在圖像融合的過程中，高頻信息主要保存圖像的細(xì)節(jié)信息，它是人眼識別和機器視覺最敏感的信息。高頻融合主要包括：最大值法、最小值法、均值法等。但這些方法都是對于單點像素進(jìn)行操作，沒有考慮到像素之間的相關(guān)性，所以如果采用單點像素融合規(guī)則就有其片面性。本文所提方法為在一定區(qū)域內(nèi)取最大值的融合規(guī)則，區(qū)域選擇一般為3×3，5×5，7×7。此方法中，每個像素點和周圍相關(guān)各點被同時考慮，把融合圖像的每個像素點作為考察區(qū)域的中心，將高頻子帶的參考區(qū)域內(nèi)各個高頻系數(shù)的絕對值進(jìn)行求和，比較兩幅源圖像中各個高頻子帶對應(yīng)區(qū)域的和，并選取最大的區(qū)域中心的像素點作為融合圖像的高頻系數(shù)。FiJ（x，y）=maxK{∑m∈M∑n∈Nabs（Dik，J（x+m，y+n））}

（3）式中：Dik，j（x，y）是第K個圖像的像素（x，y）在J尺度下的分解系數(shù)；i=1，2，3分別表示水平、垂直、對角線的分解系數(shù)。

2.3 低頻融合策略

低頻系數(shù)主要包括待融合圖像的近似信息。它反映了圖像的輪廓，對于圖像的低頻系數(shù)的選擇直接影響了融合的視覺效果。由于兩幅源圖像的低頻信息在小波變換過程中保存較好，對兩幅圖像經(jīng)小波變換之后的逼近系數(shù)C1與C2進(jìn)行處理由于圖像模糊表示其細(xì)節(jié)系數(shù)信息丟失較多，相比之下其整體信息保持較好。因此兩幅圖像經(jīng)小波分解后其逼近系數(shù)之間的差異要遠(yuǎn)小于小波系數(shù)之間的差異。故融合之后的逼近系數(shù)可以選取兩者的平均值作為融合的系數(shù)，即：C=（C1+C2）/2

（4）3 實驗結(jié)果與分析

在對實驗結(jié)果評價時，可以采用主觀評價和客觀評價。主觀評價是通過人的視覺對融合后圖像進(jìn)行評價，所以其中會有很多主觀因素影響評價效果?？陀^評價采用不同的評價指標(biāo)對圖像融合質(zhì)量進(jìn)行評價，本文采用信息熵、互信息作為評價指標(biāo)。圖像的信息熵表示圖像所包含的平均信息量的多少，融合圖像的熵值越大，說明融合圖像攜帶的信息量越大，信息就越豐富；互信息說明圖像之間的相關(guān)性的量度?；バ畔⒌闹翟酱?，說明圖像的融合效果越好。

本實驗采用兩組圖像，實驗環(huán)境為Matlab 9.0。第一組圖像是多焦距圖像，如圖1所示，（a）圖為左邊模糊而右邊清楚的clock圖像，（b）圖為左邊清楚而右邊模糊的圖像。為了更好地驗證本文的算法的有效性，將方法一小波3層分解后像素點取平均法和方法二小波三層分解后像素點高頻取大，低頻取平均法作為對比試驗，實驗結(jié)果如圖2所示；本文方法在小波三層分解后，采用基于區(qū)域的最大值融合策略，區(qū)域大小分別選取3×3，5×5和7×7，實驗結(jié)果如圖3所示。

圖1 多焦距圖像

圖2 對比試驗第二組圖像是醫(yī)學(xué)圖像，如圖4中（a）和（b）所示，其中（a）圖是圖骨骼清晰而肌肉不清晰的CT圖像，（b）圖是肌肉清晰而骨骼不清晰的MRI圖像。在驗證本文的算法的有效性方面，選取了與第一組方法相同方法作為的對比試驗，實驗結(jié)果如圖5所示；采用本文的方法對醫(yī)學(xué)圖像進(jìn)行融合，實驗結(jié)果如圖6所示。

圖6 本文方法融合結(jié)果從視覺效果上看，本文的實驗效果明顯優(yōu)于對比試驗的融合效果，其優(yōu)點是考慮了臨近像素與中心像素的相關(guān)性。采用本文得到的融合圖像邊緣更為平滑，融合痕跡沒有那么明顯，視覺效果更好。 客觀評價時，用信息熵和互信息作為評價指標(biāo)，結(jié)果如表1所示。表1的結(jié)果表明，本文提出的方法信息熵和互信息都比方法一和方法二的大，說明區(qū)域最大值所包含的信息量更大，也說明了融合的效果優(yōu)于對比試驗，融合效果更好。但是要注意，在使用本文方法進(jìn)行圖像融合過程中，區(qū)域窗口大小的選擇對融合效果也有一定的影響。從區(qū)域選擇的結(jié)果看出，對于圖像區(qū)域不同的選擇決定圖像融合的效果不同。對于多聚焦圖像來說，窗口選擇越大，整體效果較好，能更好地抑制融合痕跡；對于醫(yī)學(xué)圖像來說，區(qū)域越小，融合效果越好。所以在窗口選擇方面，應(yīng)該對于不同的圖像選取不同的區(qū)域。

4 結(jié) 語

圖像融合算法是研究的熱點之一，本文通過對圖像進(jìn)行3層小波分解后，對得到的高頻分量和低頻分量采取不同的融合策略，采取了對低頻分量取平均值，高頻分量選取最大的區(qū)域中心的像素點的融合策略。通過與方法一小波三層分解后像素點取平均法和方法二小波三層分解后像素點高頻取大，低頻取平均法進(jìn)行對比，實驗結(jié)果表明，本文的算法有效地提高了融合圖像的質(zhì)量和清晰度。

參 考 文 獻(xiàn)

［1］ 何國金，從柏琳.多衛(wèi)星遙感數(shù)據(jù)的信息融合：理論、方法和實踐［J］.中國圖象圖形學(xué)報，1999，4（9）：744749.

［2］ 胡剛，劉哲，徐小平，等．像素級圖像融合技術(shù)的研究及進(jìn)展［J］．計算機應(yīng)用研究，2008，25（3）：4547．

［3］ 晁銳，張科，李言俊.一種基于小波變換的圖像融合算法［J］.電子學(xué)報，2004，32（5）： 750753.

［4］ HALL D L．An introduction to multisensor data fusion ＼[J＼]. proceedings of the IEEE， 1997， 85（1）： 623.

［5］ 劉同明，夏祖勛，解洪成.數(shù)據(jù)融合技術(shù)及其應(yīng)用［M］.北京：國防工業(yè)出版社，1998.

［6］ 康耀紅.數(shù)據(jù)融合理論與應(yīng)用［M］.西安：西安電子科技大學(xué)出版社，1997.

［7］ LAWRENCE A K. Sensor and data fusion concepts and applications ＼[M＼]. USA： SPIE Optical Engineering Press， 1999.

［8］ 浦西龍，呂建平.一種基于小波變換的多分辨圖像融合算法［J］.計算機工程與應(yīng)用，2007，43（20）：6567.

作者簡介： 俱 妙 女，1990年出生，陜西乾縣人，咸陽師范學(xué)院信息工程學(xué)院。2012年11月15日第35卷第22期