域,设计合理有效的融合算法是图像融合
研究的重点。
3.2 像素级图像融合的研究方法
现有的像素级图像融合方法可以归纳
成 三 个 阶 段:传 统 的 简 单 融 合 方 法 、基 于 塔
式分解和重建的融合方法以及基于小波变
换 的 图 像 融 合 方 法 。小 波 变 换 可 以 将 图 像
分解成一个最低层逼近和不同尺度不同方
技 术 创 新
后的图像才能进行有效的融合,而且图像
配 准 的 质 量 将 直 接 影 响 融 合 的 结 果 [7]。
3.1.4 图 像 的 融 合
图 像 经 过 预 处 理 ,配 准 等 前 期 工 作 之
后,就 可 以 进 行 融 合 处 理 了 。这 一 步 是 图 像
融合的核心,如何针对不同的融合应用领
目前,图像融合技术在自动目标识别、 遥 感 、机 器 人 、医 学 图 像 处 理 以 及 军 事 应 用 等 领 域 都 表 现 出 巨 大 的 应 用 潜 力 。例 如 ,红
外图像与可见光图像的融合可以帮助飞行 员 进 行 导 航 ;CT与 核 磁 共 振 MRI图 像 的 融 合有利于医生对疾病进行准确的诊断等。 因此,对图像融合技术展开深入的研究,对 于国民经济的发展和国防事业的建设均有 重要的意义。
IEEE图 像 处 理 会 议 和 相 关 的 期 刊 中 ,并 研 制 出 了 一 些 实 用 的 处 理 系 统 和 软 件 。国 内 对图像融合技术研究起步较晚,主要有一 些研究机构和大学从事这一领域的研究和 探 讨 ,例 如 中 科 院 遥 感 所 、中 科 院 上 海 技 术 物 理 研 究 所 等 单 位 。从 目 前 的 发 展 水 平 来 看,国内的研究与世界水平还存在一定差 距,大都局限在理论研究的初始阶段,还没 有商品化的成熟软件或系统平台推出。 1.2 图像融合技术发展状况
3.1.1 图 像 的 除 噪 对来自同一场景的多幅带有不同噪声 的或者来自不同传感器的图像,如果直接 进行融合,必然使噪声融入到融合图像中, 这是图像数据融合结果不够理想的主要原 因 [6]。所 以 ,在 进 行 图 像 融 合 之 前 ,必 须 要 对 每 一 幅 图 像 进 行 预 处 理 。首 先 要 分 析 和 研 究图像的特点,然后针对各自的特点采用 合适的方法进行图像的噪声去除(滤波),即 把每一幅被污染的图像数据通过预处理恢 复到一个比较好的结果。 3.1.2 图 像 的 边 缘 提 取 图像的边缘是图像的特征之一,它是 图像配准和基于特征的图像融合的前期工 作 。边 缘 表 示 了 信 号 的 突 变 ,能 勾 画 出 区 域 的形状,包含了图像中大量的信息,边缘检 测 是 图 像 分 析 的 重 要 内 容 。边 缘 信 息 的 提 取是进行下一步图像处理的基础。 3.1.3 图 像 的 配 准 如果描述同一场景的图像来自不同的 传感器,由于传感器之间存在着角度以及 视景范围的不同,图像会产生一些差异,表 现是图像不完全对准,即这幅图像的第一 行\列像素对应到另一幅图像中并不是相 同 的 行 \列 。例 如 人 的 左 眼 和 右 眼 看 到 的 视 景范围是不同的,但大脑在处理两只眼睛 捕 获 的 图 像 时 有 一 个 配 准 的 过 程 。图 像 配 准是图像融合的基本环节,只有经过配准
点进行加权叠加。如果 Ak (i, j ) 为n幅图像 Ak
决策级融合的数据量少,对通信及传 输 要 求 低 。在 融 合 过 程 中,能 够 对 数 据 的 干 扰通过适当的融合方法予以消除,并能够 全方位地反映目标及环境的信息,满足不 同应用的需要。
三个层次的图像融合都有各自的优缺 点,在实际应用中,要根据具体的需要和不 同层次融合的特点进行选择,以获得最优 的 融 合 结 果 。在 表 1 中 对 三 种 融 合 层 次 作 了 比较。
信息融合正是为了满足这种需求而发 展 起 来 的 一 种 新 技 术 。多 传 感 器 信 息 融 合 是指对来自多个传感器的信息进行多级 别 、多 方 面 、多 层 次 的 处 理 与 综 合 ,从 而 获 得 更 丰 富 、更 精 确 、更 可 靠 的 有 用 信 息 。图 像融合技术是多传感器信息融合的一个重 要的分支,近二十年来,引起了世界范围内 的 广 泛 关 注 和 研 究 [2]。
1 图像融合研究现状
1.1 图像融合概述 图像融合是指将2个或2个以上的传感
器在同一时间(或不同时间)获取的关于某 个具体场景的图像或者图像序列信息加以 综合,生成一个新的关于这一场景的解释, 这一解释是从单一传感器获得的信息中无 法 得 到 的 [3]。
目 前 , 美 国 、德 国 、日 本 等 国 家 都 在 开 展图像信息融合研究,在不同层次上开展 了大量的模型和算法研究,相关的研究内 容大量出现在美国三军数据融合年会、
图像融合是采用某种算法对两幅或多 幅不同的源图像进行综合处理,形成一幅 新 的 图 像 。根 据 融 合 处 理 所 处 的 阶 段 不 同 , 图像的融合处理通常可以在三个不同层次 上 进 行 : 像 素 级 ( P i x e l - l e v e l ) 、特 征 级 (Feature-level)和决策级(Decision-level) [2]。 图1示意了在图像处理的全过程中,图像融 合所处的位置与层次。 2.1 像素级图像融合
像素级图像融合是在严格配准的条件 下,对各传感器输出的图像信号,直接进行 信 息 的 综 合 与 分 析 。像 素 级 图 像 融 合 直 接 在原始数据层上进行融合,主要任务是对 多传感器目标和背景要素的测量结果进行
科技创新导报 Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ Ｉｎｎｏｖａｔｉｏｎ Ｈｅｒａｌｄ
１１
科技创新导报 ２０１１ ＮＯ．１３ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ Ｉｎｎｏｖａｔｉｏｎ Ｈｅｒａｌｄ
融合处理,它的融合准确性最高,能够提供 其它层次上的融合处理所不具有的更丰 富 、更 精 确 、更 可 靠 的 细 节 信 息 ,有 利 于 图 像 的 进 一 步 分 析 处 理 。像 素 级 图 像 融 合 是 目前在实际中应用最广泛的图像融合方 式,也是特征级图像融合和决策级图像融 合 的 基 础 [3 ]。但 是 与 其 它 两 个 层 次 的 融 合 相 比,像素级融合需要处理的信息量大,处理 时 间 长,对 设 备 的 要 求 也 比 较 高 。在 进 行 像 素级图像融合之前,必须对参加融合的各 图像进行精确的配准,其配准精度一般应 达到像素级,因此,像素级融合是图像融合 中最为复杂且实施难度最大的融合。
像素级融合能提供其它融合层次所不 能 提 供 的 细 微 信 息 。但 也 有 以 下 缺 点 :处理 的 数 据 量 大 、时 间 长 、效 率 低 ,对 图 像 的 要 求 高 、数 据 源 难 获 取 ,抗 干 扰 能 力 差 。 2.2 特征级图像融合
特征级图像融合是对源图像进行预处 理和特征提取后获得的特征信息(如边缘、 形 状 等 )进 行 综 合 [3]。特 征 级 融 合 是 在 中 间 层次上进行的信息融合,它既保留了足够 数量的重要信息,又可对信息进行压缩,有 利 于 实 时 处 理 。它 使 用 参 数 模 板 、统 计 分 析 、模 式 相 关 等 方 法 完 成 几 何 关 联 、特 征 提 取 和 目 标 识 别 等 功 能,以 利 于 系 统 判 决 。在 特征级图像融合过程中,由于提取的特征 直接与决策分析有关,因而融合结果能最 大限度给出决策分析所需要的特征信息。 虽 然 在 模 式 识 别 、计 算 机 视 觉 等 领 域,己经 对 特 征 提 取 和 基 于 特 征 的 图 像 分 类 、分 割 等问题进行了深入的研究,但这一问题至 今仍是计算机视觉领域的一个难题,有待 于从融合角度进一步研究和提高。
Hale Waihona Puke 细介绍了像素级图像融合的算法,对算法进行了比较分析,然后对融合后图像的评价做了介绍。最后对图像融合研究做出了展望。
关键词:图像融合 小波变换 融合效果评价
中 图 分 类 号 :TP391
文献标识码:A
文 章 编 号 :1674-098X(2011)05(a)-0011-03
序言
当 今 ,在 计 算 机 、电 子 信 息 等 科 学 技 术 迅速发展的同时,也带动了传感器技术的 飞 速 发 展 。多 传 感 器 使 系 统 获 得 的 信 息 量 急剧增加并且呈现多样性和复杂性,以往 的信息处理方法已无法满足这种新的情 况,必须发展新的方法和技术来解决我们 所 面 临 的 新 问 题 [1]。
3 像素级图像融合
在学习了图像融合的方法后,我们得 出 结 论 :像 素 级 图 像 融 合 是 最 基 本 、最 重 要 的图像融合方法,同时,它也是获取信息量 最 多 ,检 测 性 能 最 好 ,适 用 范 围 最 广 ,实 施 难 度 最 大 的 一 种 融 合 方 法 [5]。
像素级图像融合的主要目的是使融合 后 的 图 像 包 含 更 全 面 、更 精 确 、更 突 出 、更 可靠的信息,使获得的图像更符合人或机 器的视觉特性,更利于对其作进一步的分 析 、理 解 以 及 目 标 的 识 别 或 跟 踪 。 3.1 像素级图像融合的一般步骤
技 术 创 新
科技创新导报 ２０１１ ＮＯ．１３
Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ Ｉｎｎｏｖａｔｉｏｎ Ｈｅｒａｌｄ
图像融合研究综述
王春华 (苏州工业园区服务外包职业学院 江苏苏州 215123)
摘 要:本文介绍了图像融合的发展过程,以及国内外发展状况。并对图像融合的层次进行了分析,对各层做了详细介绍并做了对比。详
向的细节,是目前图像融合领域的主流方
法 。但 在 高 维 情 况 下,小 波 分 析 不 能 充 分 利
用 图 像 本 身 的 几 何 特 征 ,并 不 是 最 优 和“ 最
稀 疏 ”的 函 数 表 示 方 法 。