江君祥+++高潔+++于俊勇+++于波+++周燕彬

摘 要：文章在原有的PCA算法的為核心的基礎(chǔ)上，加入了IHS變換。充分利用兩個(gè)算法的優(yōu)點(diǎn)。并對(duì)整個(gè)圖像融合過(guò)程進(jìn)行新的改進(jìn)和優(yōu)化。文章將新的改進(jìn)分別應(yīng)用于遙感圖像和紅外圖像的融合。對(duì)圖像的融合得到了較為理想的結(jié)果。

關(guān)鍵詞：PCA算法；遙感圖像；紅外圖像

引言

圖像融合技術(shù)，是指將兩個(gè)或者更多的對(duì)同一特定場(chǎng)景的圖像進(jìn)行融合，產(chǎn)生一個(gè)對(duì)場(chǎng)景的新的詮釋圖像。在遙感圖像中，多光譜圖像和全色圖像是最重要的兩類。然而，多光譜圖像分辨率不高，全色圖攜帶著極為多彩的空間信息。實(shí)際應(yīng)用中需要提取兩者的優(yōu)點(diǎn)，解決之道是利用圖像融合技術(shù)對(duì)兩者進(jìn)行處理[1]。 紅外圖像和可見光圖像則是在不同的拍攝工具下對(duì)特定物體的不同表現(xiàn)，通過(guò)融合技術(shù)可以讓人們?cè)谝环鶊D中獲取到更多的信息量，便于人眼的觀察和判斷。本文使用主成份分析法（Principal Component Analysis）[2]，進(jìn)行研究。主要步驟為：（1）圖像前期預(yù)處理；（2）圖像的配準(zhǔn)；（3）圖像的融合；（4）圖像分析。

1 PCA算法介紹和IHS變換

圖像融合的層次分為：像素級(jí)、特征級(jí)和決策級(jí)[3]。對(duì)融合后的圖像分析有兩種方法，一種是主觀法，另一種是客觀法。主觀法根據(jù)觀察者對(duì)融合后的圖像總體印象感知?？陀^法是通過(guò)一系列的對(duì)比參數(shù)數(shù)據(jù)對(duì)圖像的結(jié)果進(jìn)行評(píng)價(jià)。

1.1 PCA算法介紹

PCA是對(duì)數(shù)據(jù)的一種分析方法。又稱K-L變換。通過(guò)對(duì)一組數(shù)據(jù)的線性變換，將一組多維的數(shù)據(jù)轉(zhuǎn)換成低維度的一組線性無(wú)關(guān)的數(shù)據(jù)，從而實(shí)現(xiàn)降維的過(guò)程。可以通過(guò)分析低維度的數(shù)據(jù)，得到對(duì)高維度數(shù)據(jù)信息的理解。過(guò)程如下：

1.2 IHS變換

IHS變換中，I表示亮度，H表示色調(diào)，S表示飽和度。通過(guò)轉(zhuǎn)換將RGB圖像分解成I、H、S[4]。三個(gè)分量互相獨(dú)立。圖像的RGB和IHS的相互轉(zhuǎn)換是相互可逆的過(guò)程。目前IHS變換有好幾種方式。有基于球體、柱體、三角形和單六角錐變換。主要區(qū)別是在于選取的坐標(biāo)系和主顏色采用的色調(diào)等。賈永紅經(jīng)過(guò)大量實(shí)驗(yàn)證明出球體和柱體的變換較其他的變換有優(yōu)勢(shì)。

IHS變換分為兩種：正變換和逆變換。正變換圖像的RGB空間轉(zhuǎn)換為IHS空間。逆變換則相反。處理過(guò)程是：（1）將多光譜RGB空間與IHS轉(zhuǎn)換矩陣相乘，得到I，H，S三個(gè)分量。2.將高分辨率圖像補(bǔ)充1中I的亮度的不足，得到新的I。3.將新的I與H、S分量進(jìn)行IHS逆變換。

2 基于改進(jìn)的IHS和PCA算法的圖像融合過(guò)程

算法過(guò)程流如下：（1）對(duì)多光譜圖像進(jìn)行IHS變換，得到I、H、S三個(gè)分量。（2）對(duì)高分辨率圖像進(jìn)行PCA變換，取得三個(gè)主成份進(jìn)行IHS變換得到I0。（3）對(duì)I和I0進(jìn)行直方圖匹配。（4）對(duì)匹配后的結(jié)構(gòu)進(jìn)行IHS逆變換。算法流程圖如圖1。

得到的實(shí)驗(yàn)結(jié)果如圖2。

3 融合結(jié)果分析

第一組實(shí)例是用衛(wèi)星對(duì)同一場(chǎng)景的遙感圖像的融合實(shí)驗(yàn)，（a）是高分辨率全色圖像，（b）是低分辨率多光譜圖像，（c）是PCA融合的結(jié)果圖。（d）是本文中使用的算法融合結(jié)果。第二組是紅外和可見光的融合，（a）是紅外圖像，（b）是可見光圖像，（c）是PCA融合結(jié)果圖，（d）是本文中使用的算法融合結(jié)果。由目測(cè)可以看出PCA融合的結(jié)果容易造成光譜失真，融合后的圖像精確度不好。利用本算法圖像的色彩畸變不嚴(yán)重。本算法的光譜保真度很好?？朔藛渭兊腎HS融合和PCA融合的不足。從對(duì)比參數(shù)如信息熵、均值、方差、平均梯度、信噪比等對(duì)比，都要比單一的IHS、PCA融合的結(jié)果參數(shù)都要高。圖像具有很好的空間信息。本文算法得到的圖像細(xì)節(jié)突出、紋理豐富、清晰度也好。

4 結(jié)束語(yǔ)

本文結(jié)合了IHS變換和PCA算法的優(yōu)點(diǎn)進(jìn)行結(jié)合，分別對(duì)遙感圖像和紅外圖像進(jìn)行了融合，得出了比較理想的結(jié)果，證明本文算法對(duì)圖像融合有一定的適應(yīng)性。在針對(duì)圖像光譜不一致，容易引起色彩畸變的現(xiàn)象，后期考慮加入小波變換來(lái)對(duì)圖像配準(zhǔn)。

參考文獻(xiàn)

[1]胡冰.遙感圖像PCA融合的并行算法研究與實(shí)現(xiàn)[D].國(guó)防科技大學(xué).

[2]王文武.應(yīng)用主成分分解（PCA）法的圖像融合技術(shù)[J].微計(jì)算機(jī)信息，2007，23：285-286.

[3]孫巖.基于多分辨率分析的多傳感器圖像融合算法研究[D].哈爾濱：哈爾濱工程大學(xué)，2012：16-24.

[4]楊俊，趙忠明.基于IHS變換和亮度調(diào)節(jié)的遙感圖像融合法[D].