基于區(qū)域特征的遙感圖像融合方法的改進(jìn)

《基于區(qū)域特征的遙感圖像融合方法的改進(jìn)》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、第23卷第3期青島大學(xué)學(xué)報(工程技術(shù)版)Vo1．23No．32008年9月JOURNALOFQINGDAOUNIVERSITY(E&T)Sep．2008文章編號：1006—9798(2008)03—0040—05基于區(qū)域特征的遙感圖像融合方法的改進(jìn)李園園，趙志剛，呂慧顯，李琳(青島大學(xué)a．信息工程學(xué)院；b．自動化工程學(xué)院，山東青島266071)摘要：提出了一種基于小波變換的區(qū)域遙感圖像融合方法的改進(jìn)。對圖像進(jìn)行小波多分辨分析，以分解后的高頻子圖像的區(qū)域能量構(gòu)造匹配度和融合算子，并給出了兩個閾值，以便根據(jù)不同

2、的特征構(gòu)造不同的融合算子。對于低頻部分采取加權(quán)平均的融合規(guī)則。并通過小波逆變換得到融合圖像。根據(jù)主觀目視判決和客觀評價指標(biāo)對融合結(jié)果進(jìn)行了比較和分析，結(jié)果表明，本文的方法融合效果優(yōu)于一般的融合方法，具有應(yīng)用價值。關(guān)鍵詞：小波變換；區(qū)域特征；圖像融合中圖分類號：TP751文獻(xiàn)標(biāo)識碼：A所謂圖像融合是指綜合兩個或多個源圖像的信息，以獲取對同一場景的更為精確、全面、可靠的圖像描述。圖像融合充分利用了多個被融合圖像中包含的冗余信息和互補(bǔ)信息。圖像融合在自動目標(biāo)識別、計算機(jī)視覺、遙感、機(jī)器人、復(fù)雜智能制造系統(tǒng)、醫(yī)學(xué)圖

3、像處理以及軍事應(yīng)用等領(lǐng)域有著廣泛的應(yīng)用潛力_1]。圖像融合中的一個重要研究方向是圖像融合增強(qiáng)技術(shù)，其主要內(nèi)容是將具有高分辯率的全色圖像與低空問分辨率的多光譜圖像進(jìn)行融合，得到一個具有高空間分辨率的多光譜圖像。主要實現(xiàn)方法包括加權(quán)平均、IHS變換、高通濾波及小波變換等。在遙感圖像融合中，IHS和PCA變換融合方法有較大的光譜失真。目前，多分辨率小波融合方法已經(jīng)得到廣泛的認(rèn)可，當(dāng)前研究的熱點是融合過程中融合規(guī)則和融合算子的選取[2]。本文主要研究基于小波變換的區(qū)域遙感圖像融合方法的改進(jìn)。1基于小波變換的圖像融合

4、方法基于小波分解的圖像融合方法可靈活地進(jìn)行圖像的多尺度低頻系數(shù)與高頻系數(shù)分解，并根據(jù)一定融合規(guī)則實現(xiàn)多源圖像融合處理，以突出場景中目標(biāo)的特征信息。圖像小波分解可以依據(jù)二維小波按如下方式擴(kuò)展。在變換的每一層次，圖像都被分解為4個四分之一大小的圖像，如圖1所示。比：J皿：LLlHLlIHH2HL源圖像HLHHHLHHH圖1圖像的小波分解示意圖圖1中，L表示低頻；H表示高頻；下標(biāo)1，2表示一級或二級分解。在每一分解層上，圖像均被分解為LL、LH、HL和HH4個頻帶，下一層的分解僅對低頻分量LL進(jìn)行分解。這4個子圖

5、像中的每一個都是由原圖與一個小波基函數(shù)的內(nèi)積后，經(jīng)過在z和方向上進(jìn)行2倍的間隔抽樣而生成的，這是正變換，也就是圖像的分解。而逆變換是圖像的重建，是通過圖像的增頻采樣和卷積來實現(xiàn)的。收稿日期：2008一O4—29作者簡介：李園園(1984一)，女，山東泰安人，碩士研究生，主要研究方向為圖像融合。第3期李園園，等：基于區(qū)域特征的遙感圖像融合方法的改進(jìn)41若對二維圖像進(jìn)行N層的小波分解，最終將有3N+1個不同頻帶，其中包含3N個高頻帶和1個低頻帶。這里以兩幅圖像的融合為例，其小波變換的圖像融合方案如圖2所示。對于

6、多幅圖像的融合方法可由此類推。設(shè)A，B為兩幅原始圖像，F(xiàn)為融合后的圖像，其融合處理的基本步驟如下：1)對每幅圖像分別進(jìn)行二維離散小波變換(DWT)，建立圖像的小波塔形分解，提取各層子圖像的近似細(xì)節(jié)、水平、垂直、對角方向的小波系數(shù)矩陣；2)對各分解層分別進(jìn)行融合處理，各分解層上的不同頻率分量采用不同的融合規(guī)則，得到最終融合系數(shù)；3)對融合的小波系數(shù)進(jìn)行二維離散小波逆變換(IDWT)，即圖像重構(gòu)，所得的重構(gòu)圖像即為融合圖像。圖像對小波變換系數(shù)融合規(guī)則融合小波系數(shù)融合圖像圖2小波變換的圖像融合方案2基于小波變換的

7、改進(jìn)的區(qū)域融合方法以小波為基礎(chǔ)的融合方法是高通濾波思想的擴(kuò)充，是利用了空間細(xì)節(jié)包含在高頻中的思想。在以小波為基礎(chǔ)的融合方案中，使用小波變換提取全色圖像的細(xì)節(jié)信息注入到多光譜圖像中。這種方法使光譜信息的扭曲最小化。但是，由于注人細(xì)節(jié)信息的方法，即融合規(guī)則的選取不同可導(dǎo)致不同的融合結(jié)果。注入信息的方法有許多種，即：取代法，添加法和加權(quán)模型_3]。由于圖像的局部特征一般不取決于一個像素，所以提出了基于區(qū)域的融合方法。先后有基于局部方差的融合算法嘲和基于局部梯度的融合算法。比較成熟的是利用不同的特征選擇算子等。上述

8、基于小波變換的融合方法都存在著缺點，由于取代法是直接使用一幅圖像的系數(shù)取代另一幅圖像的系數(shù)，使用此方法會丟失一部分有用的信息，而添加法是將一幅圖像的系數(shù)加入到另一幅圖像中，可能會有信息的重復(fù)。因此，本文提出了一種兩個閾值的融合方法，實現(xiàn)了替代法和添加法的結(jié)合。在圖像融合過程中，圖像的低頻分量集中了圖像的主要能量，反映圖像的近似和平均特性，所以對低頻子圖像一般采用加權(quán)平均算子進(jìn)行融合。而高頻子圖像反映原圖像的亮度突