【一种基于非采样Contourlet变换的图像融合算法】 HIS变换图像融合
时间：2020-03-11 07:33:59 来源：雅意学习网 本文已影响 人 
摘 要：针对红外与可见光成像传感器的物理特性，提出了一种基于非采样Contourlet变换的红外与可见光图像融合算法。首先对原始图像分别进行非采样Contourlet变换，得到不同尺度与方向下的子带系数。对低频子带系数，采用加权平均的融合规则；对不同尺度与方向下的高频子带系数，采用基于局部区域能量匹配的融合规则。最后经非采样Contourlet逆变换得到融合结果。实验结果表明，该算法可以有效地综合可见光与红外图像中的重要信息，其融合结果较典型的基于塔式分解与基于小波变换的图像融合算法，在主观视觉效果与客观评价指标上均有所改善。
关键词：图像融合； 非采样Contourlet变换； 红外图像； 可见光图像
中图分类号：TN919-34; TP391 文献标识码：A 文章编号：1004-373X(2011)24-0096-03
Image Fusion Algorithm Based on Non-sampling Contourlet Transformation
LI Min, HUANG Ke-yu, HE Yu-jie, LIANG Ting
(Fourth Department, The Second Artillery Force Engineering Institute of PLA, Xi’an 710025, China)
Abstract： An infrared and visible iamge fusion algorithm based on non-sampling Contourlet transform (NSCT) is put forward according to the physical charcteristics of infrared and visible imaging sensor. The NSCT for the original images is conducted to get the sub-band coefficients at different scales and directions. The weighted average fusion rule is adopted for the low frequency sub-band coefficients, while the fusion rule based on the local area energy matching is employed for the high frequency sub-band coefficient at different scales and directions. Then the image fusion is achieved by the aid of the non-sampling Contourlet inverse transformation. The fusion result shows that the algorithm can effectively composite the important information in visible and infrared images. The fusion result is beter than the typical image fusion algorithm based on the pyramidal decomposition and wavelet transform in subjective vision effect and objective evaluation index.
Keywords： image fusion; non-sampling Contourlet transform; infrared image; visible image
收稿日期：2011-07-15
基金基金：中国博士后科学基金一等资助课题：地面目标红外特性及验证方法关键技术研究（20090450206）;军队武器装备预先研究课题：XX多源基准信息制备技术（2009D1302，2010D2301）;国家自然科学基金：临近空间SAR信息建模与数据处理关键技术研究（61072141）
0 引 言
近几年来,人们提出了很多图像融合的方法,特别是基于多尺度分解的图像融合算法作为一类非常重要的融合算法已经广泛应用于各种图像融合领域。小波变换由于具有良好的时频定位性、多尺度性和多方向性,受到了广泛关注,各种方法中基于小波变换的融合方法也取得了较好的融合效果。小波变换取得成功的关键在于其刻画一维分段光滑函数的良好性能,小波变换对含点状奇异的目标函数是最优基,然而对具有线状奇异的函数,小波系数则不能稀疏表示,即不能充分利用图像本身的几何正则性,图像的几何结构被认为是图像表示的一个重要因素,而具有突出几何特征的边缘正是图像中具有奇异性的地方。因此基于小波变换的图像融合不能很好地挖掘图像中方向边缘信息,融合后的图像中容易产生细节成分模糊现象。Contourlet变换作为一种新的信号分析工具,解决了小波变换不能有效表示二维或更高维奇异性的缺点,能准确地将图像的边缘捕获到不同尺度,不同频率的子带中,可以更有效地表示图像中纹理、边缘等结构的方向性和各向异性。但是由于其变换过程中的下采样操作,Contourlet变换不具备平移不变性,信号频谱会产生一定的混叠现象。A L Cunha等应用àTrous算法在Contourlet变换的基础上提出了一种非采样Contourlet变换,与Contourlet变换相比较,其在图像的分解和重构过程中,取消了降采样和上采样环节,从而使得非采样Contourlet变换不仅具有多尺度性、良好的空域和频域局部特性和方向特性,还具有了平移不变性。在分析非采样Contourlet变换的基础上,在此提出了一种基于非采样Contourlet变换的图像融合算法。首先对原始图像分别进行非采样Contourlet变换，得到不同尺度与方向下的子带系数。对低频子带系数，根据红外图像的目标特性与可见光图像的细节信息确定其融合权值；对不同尺度与方向下的高频子带系数，采用基于局部区域能量匹配的融合规则。最后经非采样Contourlet逆变换得到融合结果。实验结果表明，该算法可以有效地综合可见光与红外图像中的重要信息。
1 图像融合算法
1.1 非采样Conterlet变换
非采样Contourlet变换是在Contourlet变换基础上提出来的,其不仅继承了Contourlet变换的多尺度和多方向性,以及良好的空域和频域局部特性,能够更好地捕捉和跟踪图像中重要的几何特征,同时还具有平移不变性。非采样Contourlet变换也由2部分组成,首先是采用非采样塔式滤波器组获得图像的多尺度分解,使得非采样Contourlet变换具备多尺度性。然后采用非采样方向滤波器组对得到的各尺度子带图像进行多方向分解,使得非采样Contourlet变换具备多方向性,二者结合从而得到不同尺度和方向的子带图像。非采样Contourlet变换包含一系列的滤波器,它们在子带内对二维频率平面进行了划分。
1.2 图像融合方案
设A,B分别为待融合的2幅图片，X为融合后所得图片，本文融合算法具体描述如下：
(1) 首先对图像A,B进行非采样Contourlet变换，得到一系列的子带图像IiA,j(m,n)和IiB,j(m,n)，其中j为分解层数，i为各层分解的方向数目，IA,L(m,n)和IB,L(m,n)表示低频子带图像。
(2) 图像的低频部分图像的低频部分包含了图像的主要能量,决定了图像的轮廓,所以本文对变换后图像的低频子带系数采用加权平均融合的方法,即：CX,L(m,n)=(IA,L(m,n)+IB,L(m,n))/2
（1） (3) 对于各尺度与方向下的高频子带系数，本文采用基于局部区域能量匹配的融合规则。首先分别求出原始图像A,B高频子带中各元素的局部区域能量测度：Ej,l(r1,r2)=∑s∈S,t∈TCj,l(r1－S,r2－T)2
（2）式中：S,T为局部区域的大小，然后计算各元素对应的局部区域匹配度：
MA,Bj,l(r1,r2)=
4∑s∈S,t∈TCAj,l(r1－S,r2－T)CBj,l(r1－S,r2－T)EAj,l(r1,r2)+EBj,l(r1,r2)
（3）
如果MA,Bj,l≤TM（TM为预设匹配度阈值），则融合结果中相应的高频子带系数为：CXj,l(r1 ,r2 ) = CBj,l(r1,r2),EBj,l(r1,r2)≥EAj,l(r1,r2)
CAj,l(r1,r2),EBj,l(r1,r2)
推荐访问:采样 算法 变换 一种基于非采样Contourlet变换的图像融合算法 基于matlab的图像处理 滤波反投影算法matlab
