圖像融合方法概述

陳新亮

摘 要：圖像融合是通過建立一個(gè)數(shù)學(xué)模型，將不同傳感器的多幅圖像整合成一幅能夠滿足特定要求的圖像的過程。近年來，圖像融合技術(shù)得到各領(lǐng)域的廣泛應(yīng)用，無論是科技、醫(yī)學(xué)還是軍事領(lǐng)域。圖像融合主要用以通過對(duì)多幅圖像間冗余數(shù)據(jù)的處理，從而使圖像的可靠性得到提高；通過對(duì)多幅圖像間互補(bǔ)信息的處理，從而使圖像的清晰度得到一個(gè)質(zhì)的提升。該文列舉了幾種圖像融合技術(shù)的方法，它們各有優(yōu)缺點(diǎn)。

關(guān)鍵詞：圖像 融合技術(shù) 算法

中圖分類號(hào)：TP39 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1674-098X（2017）01（b）-0119-02

圖像融合第一次被用以遙感圖像的融合。在20世紀(jì)90年代，圖像融合成為人們研究的熱點(diǎn)并得到廣泛的應(yīng)用，如，醫(yī)學(xué)圖像融合、可見光圖像和紅外圖像融合、信息隱藏等各個(gè)方面。然而，雖然圖像融合被廣泛應(yīng)用，但是并沒有形成一套完整成熟的理論和方法，也沒有一個(gè)統(tǒng)一的評(píng)價(jià)標(biāo)準(zhǔn)[1]。圖像融合方法有待進(jìn)一步研究，需要通過不斷的實(shí)驗(yàn)，從而得到更好的方法。

1 像素的加權(quán)平均法

首先獲取兩個(gè)源圖像，對(duì)兩者進(jìn)行線性加權(quán)平均。

F（x，y）=wA·A（x，y）+wB·B（x，y）

其中wA、wB為標(biāo)量，像素的加權(quán)平均法其優(yōu)點(diǎn)在于容易實(shí)現(xiàn)、執(zhí)行效率高，并且能夠?qū)θ魏卧磮D像噪聲有很好的抑制效果。然而同時(shí)它也抑制了顯著的圖像特征，從而產(chǎn)生較低對(duì)比度的外觀融合圖像。因此，我們可以通過主成分分析方法（即PCA），選擇“最佳”的權(quán)重緩解，最大限度地融合圖像的強(qiáng)度差異。

通過求解特征方程det（C-λI）=0可以得到協(xié)方差矩陣的兩個(gè)特征值：λ1，λ2。其中I為單位矩陣。通常融合后的圖像與源圖像相比會(huì)有動(dòng)態(tài)范圍的一個(gè)差異波動(dòng)，因此對(duì)部分線性做一個(gè)調(diào)整，這個(gè)步驟很有必要。

2 基于PCA的圖像融合方法

PCA，即主成分分析方法，其實(shí)現(xiàn)過程如圖1所示。

這個(gè)算法的一個(gè)最大優(yōu)點(diǎn)就是它的適用性。如，在多光譜圖像中，這個(gè)算法在所有波段都是可實(shí)現(xiàn)的；然后，它存在一個(gè)很大的缺點(diǎn)，那就是由于這個(gè)算法中只粗略地采取高分辨率圖像去代替低分辨率圖像的最主要部分，因此會(huì)丟掉低分辨率圖像主要成分中的一些重要信息，諸如光譜特性這些，從而使得融合后的圖像光譜與源圖像存在很大出入。

3 基于小波變換的圖像融合方法

小波變換技術(shù)有其獨(dú)特的優(yōu)良特性，如，方向選擇性、正交性、可變的時(shí)頻域分辨率、可調(diào)整的局部支持以及分析數(shù)