计算机视觉
图像处理

小波图像融合综述

  图像融合是将两幅或多幅图像融合在一起,以获取对同一场景的更为精确、更为全面、更为可靠的图像描述。融合算法应该充分利用各原图像的互补信息,使融合后的图像更适合人的视觉感受,适合进一步分析的需要;并且应该统一编码,压缩数据量,以便于传输。
图像融合可分为三个层次:
1.    像素级融合
2.    特征级融合
3.    决策级融合
其中像素级融合是最低层次的融合,也是后两级的基础。它是将各原图像中对应的像素进行融合处理,保留了尽可能多的图像信息, 精度比较高, 因而倍受人们的重视。像素级的图像融合方法大致可分为三大类:
1.    简单的图像融合方法
2.    基于塔形分解(如Laplace塔形分解、比率塔等)的图像融合方法
3.    基于小波变换的图像融合方法
小波变换是图像的多尺度、多分辨率分解,它可以聚焦到图像的任意细节,被称为数学上的显微镜。近年来,随着小波理论及其应用的发展,已将小波多分辨率分解用于像素级图像融合。小波变换的固有特性使其在图像处理中有如下优点:
1.    完善的重构能力,保证信号在分解过程中没有信息损失和冗余信息;
2.    把图像分解成平均图像和细节图像的组合,分别代表了图像的不同结构,因此容易提取原始图像的结构信息和细节信息;
3.    具有快速算法,它在小波变换中的作用相当于FFT算法在傅立叶变换中的作用,为小波变换应用提供了必要的手段;
4.    二维小波分析提供了与人类视觉系统方向相吻合的选择性图像。

——像素级图像融合的主要步骤
以两幅图像的融合为例。设A,B为两幅原始图像,F为融合后的图像。若对二维图像进行N层的小波分解,最终将有(3N+1)个不同频带,其中包含3N 个高频子图像和1个低频子图像。其融合处理的基本步骤如下:
(1)对每一原图像分别进行小波变换,建立图像的小波塔型分解;
(2)对各分解层分别进行融合处理。各分解层上的不同频率分量可采用不同的融合算子进行融合处理,最终得到融合后的小波金字塔;
(3)对融合后所得小波金字塔进行小波重构,所得到的重构图像即为融合图像。


                                                                                   图 1 

      在图像融合过程中,小波基的种类和小波分解的层数对融合效果有很大的影响,对特定的图像来说,哪一种小波基的融合效果最好,分解到哪一层最合适,都是需要考虑的问题。为此可以通过引入融合效果的评价来构成一个闭环系统。如图2所示。

 

对图像而言,小波变换是将图像分解成频域上各个频率段的子图,以代表原图的各个特征分量。这对后续的融合处理极为重要,使得融合处理可以根据不同的特征分 量采用不同的融合方法以达到最佳融合效果。图像的融合策略(方法)是图像融合的核心,方法与规则的优劣直接影响融合的速度与质量。
在一幅图像的小波分解中,绝对值较大的小波高频系数对应着亮度急剧变化的点,也就是图像中对比度变换较大的边缘特征,如边界、亮线及区域轮廓。融合的效果 就是对同样的目标,融合前在图像A中若比图像B中显著,融合后图像A中的目标就被保留,图像B中的目标就被忽略。这样,图像A、B中目标的小波变换系数将 在不同的分辨率水平上占统治地位,从而在最终的融合图像中,图像A 与图像B中的显著目标都被保留。
目前小波域的融合规则主要分为两种:
一、基于单个像素的融合规则
主要包括:(1)小波系数的直接替换或追加;(2)最大值选取;(3)加权平均。
二、基于区域特征的融合规则。
主要包括:(1)基于梯度的方法;(2)基于局域方差的方法;(3)基于局域能量的方法。
基于像素的融合规则在融合处理时表现出对边缘的高度敏感性,使得在预处理时要求图像是严格对准的,否则处理结果将不尽人意,这就加大了预处理的难度。
基于区域的融合规则由于考虑了与相邻像素间的相关性,降低了对边缘的敏感性,所以具有更加广泛的适用性。

图1

       针对不同类型的图像,下面介绍几种常用的融合方法:
(1)取系数绝对值较大法
适合高频成分较丰富,亮度、对比度较高的原图像,否则在融合图像中只保留一幅图像的特征,其他的特征被覆盖;融合图像中基本保留原图像的特征,图像对比度 与原图像基本相同。小波变换的实际作用是对信号解相关,并将信号的全部信息集中到一部分具有大幅值的小波系数中。这些大的小波系数含有的能量远比小系数含 有的能量大,从而在信号的重构中,大的系数比小的系数更重要。
(2)加权平均法
权重系数可调,适用范围广,可消除部分噪声,原图像信息损失较少,但会造成图像对比度的下降,需要进行图像灰度增强。
(3)消除高频噪声法
高频噪声基本消除,融合图像对比度较高,原图像特征可较好地保留在融合图像中,但在消除高频噪声的同时,损失了部分高频信息。
(4)双阈值法
适于原图像中一幅图像的灰度分布均衡,高频成分较多;双阈值可选,增加了算法的实用性,但选择阈值时要考虑原图像灰度分布的特点,否则有可能出现边缘跳跃的现象。

转载注明来源:CV视觉网 » 小波图像融合综述

分享到:更多 ()
扫描二维码,给作者 打赏
pay_weixinpay_weixin

请选择你看完该文章的感受:

0不错 1超赞 0无聊 0扯淡 0不解 0路过

评论 3

评论前必须登录!