基于內(nèi)部邊緣信息的圖像融合質(zhì)量檢測(cè)

姚慶鋒

（安徽工商職業(yè)學(xué)院,安徽合肥231131）

基于內(nèi)部邊緣信息的圖像融合質(zhì)量檢測(cè)

姚慶鋒

（安徽工商職業(yè)學(xué)院,安徽合肥231131）

圖像融合被廣泛用于很多領(lǐng)域,圖像融合質(zhì)量檢測(cè)由于提供了檢測(cè)融合結(jié)果的標(biāo)準(zhǔn)而獲得了更多的關(guān)注.提出一種新的用于圖像質(zhì)量檢測(cè)的信息檢測(cè)技術(shù),這種技術(shù)由邊緣信息和交互信息理論構(gòu)成.通過簡(jiǎn)單的推理,這種檢測(cè)方法易于推廣到彩色圖像.選擇不同類型的圖像融合實(shí)驗(yàn)對(duì)此方法進(jìn)行驗(yàn)證,結(jié)果表明此方法與主體感知具有很好的一致性.

圖像融合；質(zhì)量檢測(cè)；信息檢測(cè)技術(shù)

圖像融合被廣泛應(yīng)用于各個(gè)領(lǐng)域,如遙感、醫(yī)學(xué)影像和機(jī)器視覺.不同于很多新的融合算法的出現(xiàn),圖像融合質(zhì)量檢測(cè)方法的發(fā)展很慢.傳統(tǒng)的圖像質(zhì)量檢測(cè)是由視覺分析或者簡(jiǎn)單的誤差率比較構(gòu)成,已經(jīng)不能滿足現(xiàn)在的需求,尤其是圖像融合,需要新的圖像融合質(zhì)量檢測(cè)方案.近幾年,已經(jīng)出現(xiàn)了一些圖像融合質(zhì)量檢測(cè)的方法,在利用標(biāo)準(zhǔn)圖像進(jìn)行檢測(cè)時(shí)，Li使用標(biāo)準(zhǔn)偏差來進(jìn)行檢測(cè),可以指出理想圖像和融合圖像之間的差別,它沿用了傳統(tǒng)經(jīng)典的方法[1].Wang建立了一個(gè)通用圖像質(zhì)量指標(biāo),而Piella通過權(quán)衡它的質(zhì)量擴(kuò)展了這種方法[2-3].這種方法的核心概念在于它仍然是方差和協(xié)方差.雖然它的焦點(diǎn)在于圖像統(tǒng)計(jì)信息,而不是其他的因素,但是它仍然需要一個(gè)圖像作為一個(gè)標(biāo)準(zhǔn).這種方法的關(guān)鍵點(diǎn)在于尋找一個(gè)理想圖像,但通常這個(gè)理想圖像在實(shí)際中無法得到.在利用關(guān)系進(jìn)行檢測(cè)時(shí),Qu提出了基于交互信息的一種融合評(píng)價(jià)方法[4].Chen H和Chen Y分別對(duì)圖像融合提出了一個(gè)感知質(zhì)量評(píng)價(jià)方法,這種方法是基于對(duì)彩色圖像非常有效的圖像對(duì)比靈敏度函數(shù)[5-6].然而這種方法僅僅是測(cè)量兩個(gè)圖像的關(guān)系,不能給出目標(biāo)圖像的質(zhì)量檢測(cè).在沒有其他圖像的檢測(cè)時(shí),Xydeas和Petrovic提出一種對(duì)于圖像融合性能的信息檢測(cè),這種方法與通過S函數(shù)表達(dá)的邊緣信息有關(guān)[7].在這種情況下,我們關(guān)心的僅僅是邊緣信息,而沒有邊緣信息的像素點(diǎn)就可以完全地被忽略.雖然這種方法的研究很少,但是這種方法在實(shí)際應(yīng)用中更加有意義.

本文提出了一種新的基于信息理論和內(nèi)部邊緣信息的圖像質(zhì)量檢測(cè)方法,它獨(dú)立于其它圖像.這種方法可以用來測(cè)量單個(gè)圖像或融合圖像的質(zhì)量.通過一個(gè)簡(jiǎn)單的推理,這種方法也可以被應(yīng)用于彩色圖像.

1 融合圖像檢測(cè)

圖像質(zhì)量檢測(cè)的目的在于反映圖像的信息質(zhì)量,因此檢測(cè)需要反映出有多少信息嵌入在圖像中.根據(jù)經(jīng)典理論,差異和不確定性反映了一部分信息.交互信息是非常有效的檢測(cè)信息,它反映了兩個(gè)隨機(jī)變量的信息質(zhì)量.假設(shè)x和y是邊際概率分布P（x）和P（y）及聯(lián)合概率分布P（x,y）的兩個(gè)隨機(jī)因數(shù),x和y的交互信息是I（x,y）

如果y優(yōu)先于x知道,那么交互信息I（x,y）就是對(duì)于x的信息精確測(cè)量.

對(duì)于圖像,像素強(qiáng)度的變化會(huì)產(chǎn)生一些信息,可以計(jì)算圖像中像素強(qiáng)度的分布.但是由于一些先驗(yàn)信息不被考慮,導(dǎo)致了測(cè)量圖像信息不夠精確.本文使用特殊的梯度信息（即邊緣）去構(gòu)建圖像的先驗(yàn)信息.邊緣檢測(cè)是指在一個(gè)點(diǎn)上基于灰度不連續(xù)性的測(cè)量,這個(gè)不連續(xù)性反映了圖像包含的更多的重要信息,而且這些信息是非常容易得到的.雖然邊緣檢測(cè)已有的方法不如我們所期盼的那么好,但這些方法在一定程度上仍然可以反映出包含在圖像中的重要信息.當(dāng)通過邊緣檢測(cè)方法得到一些邊緣信息之后,就可以計(jì)算強(qiáng)度.通常認(rèn)為8個(gè)相鄰的邊緣點(diǎn)或者24個(gè)相鄰的邊緣點(diǎn)（由圖像的大小和復(fù)雜度決定）可以構(gòu)造更多的信息.檢測(cè)信息由式（1）計(jì)算得出.從理論分析可知,信息檢測(cè)量越大,質(zhì)量或者性能就越高.

灰度圖像的信息計(jì)算算法：

（1）需要圖像信息（假設(shè)是一個(gè)m*n的矩陣）,計(jì)算它的直方圖H（x）；

（2）通過已有的檢測(cè)方法檢測(cè)邊緣信息,可以得到一個(gè)只包含0、1兩個(gè)值的邊緣矩陣；

（3）改變8個(gè)相鄰或者24個(gè)相鄰邊緣特征像素的值為1,其結(jié)果即為先驗(yàn)信息矩陣IM；

（4）計(jì)算IM直方圖H（y）；

（5）從原始圖像計(jì)算h（x,y）,h（x,y）是像素點(diǎn)數(shù)值,其強(qiáng)度為x,先驗(yàn)信息是y；

（6）由式（2）計(jì)算圖像信息.

彩色圖像可以由紅綠藍(lán)3個(gè)顏色數(shù)據(jù)通道構(gòu)建.選取在每個(gè)通道上的信息,計(jì)算彩色圖像和由彩色圖像轉(zhuǎn)換過來的灰度圖像的關(guān)系.示意圖見圖1.

圖1 彩色圖像質(zhì)量評(píng)估

這里使用內(nèi)積表示彩色圖像的檢測(cè)信息

簡(jiǎn)化式（3）,可以得到式（4）

與灰色圖像相對(duì)比,彩色圖像的每一個(gè)通道都提供了不同的邊緣信息.假設(shè)每個(gè)通道的信息越接近于灰色通道,它與主觀感知就越一致,通過這個(gè)假設(shè),我們可以推導(dǎo)出檢測(cè)信息α越大,圖像的質(zhì)量或者性能就越高.

2 實(shí)驗(yàn)結(jié)果分析

本文選擇了不同類型的圖像來驗(yàn)證此方法,包括多聚焦、多內(nèi)容、多曝光以及多場(chǎng)景的灰色及彩色圖像.在實(shí)驗(yàn)中,使用了canny方法來檢測(cè)圖像的邊緣[8],灰色圖片計(jì)算8個(gè)相鄰像素點(diǎn)的信息,而彩色圖片計(jì)算24個(gè)相鄰像素點(diǎn)的信息.

所有的信息測(cè)量都是以自然對(duì)數(shù)e為底.圖1顯示了多焦距時(shí)鐘圖像.A是受高斯噪聲影響的模糊的圖像,圖像B和C都有失焦部分,B中的失焦部分要比C中的要多.圖像D是融合的圖像,該圖像中兩個(gè)時(shí)鐘都非常清晰.

圖1 失焦圖像融合

檢測(cè)結(jié)果見表1.

表1 失焦圖像檢測(cè)結(jié)果

圖2是一個(gè)醫(yī)學(xué)影像.A是一個(gè)病人的CT影像,B是同一個(gè)病人的MRI影像.圖像C和D是分別通過小波融合技術(shù)和權(quán)像素方法形成的A和B的融合圖像.

圖2 CT和MRI圖像融合

從測(cè)量的值可以比較出不同融合技術(shù)的圖像質(zhì)量.非常明顯,圖像D更加適合主體的觀測(cè),而圖像C在一些邊緣部分比較模糊.按照本文方法計(jì)算的圖像C和D的信息測(cè)量與我們主觀感知是一致的.檢測(cè)結(jié)果見表2.

表2 CT和MRI圖像融合的檢測(cè)結(jié)果

圖3顯示了書本的多焦距彩色圖像.A是由高斯噪聲造成的模糊的圖像,B和C都有失焦部分,而且B中的失焦部分要比C中的要多,D是一個(gè)融合的圖像,可以看到圖像中的兩部分都非常清晰.

圖3 多聚焦彩色圖像融合

檢測(cè)結(jié)果見表3.

表3 多聚焦彩色圖像融合的檢測(cè)結(jié)果

圖像4是多曝光的辦公室圖像.圖像A到E是辦公室中同一場(chǎng)景的不同曝光圖片.眾所周知,過多的曝光或者過少的曝光都會(huì)使圖像的質(zhì)量不高.

圖4 多曝光辦公室圖像的融合

質(zhì)量檢測(cè)結(jié)果如表4所示,從結(jié)果中我們可以發(fā)現(xiàn),圖像B、C、D的質(zhì)量檢測(cè)結(jié)果幾乎相同,而且比圖像A和E要高,而從我們的感知來看,也的確是這樣.融合圖像F是質(zhì)量最高的圖像,盡管它只比圖像C高一點(diǎn).

表4 多曝光辦公室圖像的融合的檢測(cè)結(jié)果

圖5是多場(chǎng)景的橋的圖像.圖像A、B、C是照相機(jī)在不同時(shí)間段拍攝的橋的場(chǎng)景.圖像D是圖像A、B、C的融合圖像.

圖5 多場(chǎng)景的融合圖像

圖像檢測(cè)的結(jié)果如表5所示.非常明顯,融合圖像比原始場(chǎng)景圖像包含了更多的信息.

表5 多場(chǎng)景的融合圖像的檢測(cè)結(jié)果

上述的實(shí)驗(yàn)結(jié)果驗(yàn)證了本文的方法適用于不同類型的圖像融合.雖然在有些實(shí)驗(yàn)中的檢測(cè)差異不是那么明顯,但是他們的變化與我們的感知是非常一致的.

3 結(jié)論

本文提出了一種新的融合圖像的信息檢測(cè)方法,這種方法反映了圖像的內(nèi)部信息.通過簡(jiǎn)單的推理,可以將該方法推廣到彩色圖像.實(shí)驗(yàn)表明該方法對(duì)于灰色圖像和彩色圖像,其結(jié)果與主觀感知都非常的一致.該方法不僅可以用于客觀的質(zhì)量評(píng)估,也可以用于模糊圖像以及圖像融合的檢測(cè).

[1]Li H,Manjunath B S,Mitra S K.Multisensor image fusion using the wavelet transform[J].IEEE International Comference Image Processing,1994,1（13/16）：51-55.

[2]Wang Z,Bovik A C.A universal image quality index[J].Signal Processing Letters IEEE,2002,9（3）：81-84.

[3]Piella G,Heijmans H.A new quality metric for image fusion[J].IEEE International Conference on Image Processing,2003,2（14）：III-173-6.

[4]Qu G H,Zhang D L,Yan P F.Information measure for performance of image fusion[J].Electronics Letters,2002,38（7）：308-309.

[5]Chen H,PramodK,Varshney.A perceptual qualitymetric for image fusion basedonregionalinformation[J].Multisensor,Multisource Information Fusion：Architectures,Algorithms,and Applications,2005,5813：34-35.

[6]ChenY,Rick S B.A new automated quality assessment algorithm for image fusion[J].Image and Vision Computing,2009,27：1421-1432.

[7]Xydeas C S,Petrovic V.Objective image fusion performance measure[J].Electronic Letters,2000,36（4）：308-309.

[8]張煜,劉哲星,李樹祥,等.醫(yī)學(xué)圖像信息融合技術(shù)的發(fā)展[J].國外醫(yī)學(xué)：生物醫(yī)學(xué)工程分冊(cè),2000（4）：203-205.

（責(zé)任編輯：盧奇）

Object fused image quality measure based on inner edge information

Yao Qingfeng
（Anhui Business Vocational College,Hefei 231131,China）

Image fusion is widely applied in many fields.Now,object fused image quality assessment attracts more attention in image fusion because it provides criterion to assess fusion result.A new information measure for image quality assessment is proposed in this paper,which is constructed by edge feature and mutual information theory.This method can be easily extended to color image though simple inference.We select different type of fusion images to validate our method.All of experiment results show the method corresponds well to subject perceiving.

fused image；quality measure；information technology measure

TP391

A

1008-7516（2012）01-0088-05

10.3969/j.issn.1008-7516.2012.01.021

2011-11-29

姚慶鋒（1976-）,男,安徽合肥人,碩士,講師.主要從事電子與通信技術(shù)研究.