基于小波变换的多图像融合方法.docVIP

基于小波变换的多图像融合方法 　　摘要：本文的多图像融合算法是先对多个图像作颜色空间变换，再进行小波变换分解。该研究难点主要是运用了一致性检查，通过对每幅图像的高频系数、低频系数的提取和亮度、色度、饱和度的小波分解系数的提取，最后通过自己设计的和规则将多幅图像融合成一幅图像，并且通过对小波分解层数的不同取值，来分析其取值大小对多图像合成的效果影响情况。 　　关键词：小波变换 融合算法 空间变换 高频系数 低频系数 　　中图分类号：TN911.73 文献标识码：A 文章编号：1007-9416（2016）05-0000-00 　　1引言 　　多图像融合是指运用一定的规则将多幅图像显著特征提取出来，进行合成为具有多幅图像的显著特征的一幅较完整图像。因为我们在拍照时，由于同一场景的每幅图像在拍摄时可能因为采集的图像传感器的数据或者人为原因使每幅图像可能有所侧重，使得有时候图像的局部会比较模糊，或者有时候图像里的色彩度不是一样的，这就要求我们将这些图像综合起来，提取他们各自的特征，进行在一幅图像上的合成，这样才能够满足我们所研究的对象并且也更能让我们研究的对象的信息更全面更准确。正是由于这个原因，以至于融合图像这个技术被应用到很多的实际应用领域：比如：医学、军事、机器视觉等。 　　现今在多图像融合上，已经研究出了可以实现融合的许多方法了，而使用小波理论来进行融合是现在比较成熟而且应用比较广泛的方向之一。[3]这类融合方法一般都是根据我们人眼对图像的局部敏感度的差异来进行融合算法设计。因此，我们设计一定的算法规则，提取了多幅图像的显著特点来进行一致性检测，包括：边缘轮廓，颜色深浅，亮度大小等，之后将这些特点数据进行筛选提取，将其合成于一幅图像中。在小波变换里，小波系数极大值所对应的是图像的边缘显著特征。本文研究了小波变换层数的大小对融合图像的影响，通过改变不同的小波变换层数来分析合成图像的清晰度。在图像合成当中，高频系数对应于图像的边缘特征，低频系数对应于图像的轮廓。本文的高频和低频系数则是直接由matlab7.1编写函数直接提取。本文就是利用图像局部对比度不一样，运用小波变换原理，通过设计算法编程，实现多幅图像的融合，以及设定不同的小波分解层数来进行多图像合成，来分析层数对融合效果的影响。 　　2多图像融合的算法设计思路 　　多图像融合的算法设计思路：首先是对每一幅图像进行颜色空间变换，然后再利用小波分解对各个颜色图像进行分解，并获得每一幅图像它们各自的多分辨分解，再将所有的分解后的图像通过一定的融合规则生成图像的多分辨分解，接着将图像的多分辨分解进行颜色空间变换的逆变换，最后再将获得的图像作小波逆变换，得到最终图像。 　　而融合规则里包含：对每幅图像的选择规则，然后再经过每幅图像的决策条，再经过融合成最后图像的多分辨分解。（如图1所示） 　　3 多图像融合的编程设计 　　多图像融合的核心就是融合方法，所以小波变换就是本文多图像融合的核心，当然融合的规则也是影响融合质量的一个因素。 　　下面是我进行快速图像融合的算法的设计思路：（用的是matlab7.1软件）首先我们设置好融合图像数，小波分解层数等几个参数后，在进行融合，本算法步骤： 　　（1）对彩色图像变成YIQ空间，即对彩色图像做了一个颜色空间变换。 　　（2）然后将每副图像都进行了亮度、色度、饱和度的小波分解，分解后得到每一幅图像的颜色分量的分解系数。 　　（3）对上面系数进行取方差，并且提取每幅图像的高频和低频系数，并且计算方差。 　　（4）进行一致性检验。 　　（5）确定融合系数，进行融合。 　　（6）对融合后图像进行重构，也就是先对图像进行颜色空间的逆变换，再进行小波的逆变换，最后显示出来。 　　4 实验结果分析 　　本试验通过matlab7.1仿真，运用本文提出的基于小波变换的快速融合算法先对两幅原始图像进行融合，再分别对三四幅图像一起进行融合，得到的融合。 　　算法的融合效果。图2是两幅图像的融合。 　　下面是设定不同的小波分解层数来进行融合。 　　从上面图2、图3和图4中可以看出来本文程序算法可以快速的合成多幅图像，并且按照算法的规则能快速合成出来。从图5、图6和图7可以看出图6、图7明显没有图5清楚，也就是说明只有当小波分解层数选取到一个合适的数值时，才能得到比较好的融合图像，一般在我们需要的融合图像不是要求高精度的时，可以选取分解层数为2-4的小波分解层数。这样能得到比较好的融合图像。 　　5 结语 　　本文程序设定了512*512像素的原始图像，根据小波变换的原理[1][2]，设计了一个能快速合成多幅图像的算法，并且对小波分解系数对融合图像的影响也进行了实验的仿真观察，并且对所得到的融合图像进行了比较，