基于小波變換的紅外與可見(jiàn)光圖像的融合

顏家亮

摘要

傳統(tǒng)紅外圖像與可見(jiàn)光圖像融合時(shí)，存在目標(biāo)信息丟失或減弱現(xiàn)象，本文提出一種基于小波的紅外與可見(jiàn)光圖像融合算法，為了提高使融合圖像反映細(xì)節(jié)信息的能力，選用基于小波變換的融合算法，首先對(duì)源圖像分別進(jìn)行小波分解，然后利用像素加權(quán)的圖像融合算法分別對(duì)分解得到的各個(gè)子帶圖進(jìn)行圖像融合，再將獲得融合圖像進(jìn)行小波重構(gòu)獲得融合圖像。實(shí)驗(yàn)結(jié)果表明，該算法得到的融合圖像具有與紅外圖像相同的目標(biāo)，且具備可見(jiàn)光圖像的細(xì)節(jié)信息。

【關(guān)鍵詞】小波分解 像素加權(quán) 融合

1 引言

圖像融合的方法根據(jù)圖像融合所在的圖像層次不同加以區(qū)分，現(xiàn)階段圖像融合算法一般分為像素級(jí)、特征級(jí)，決策級(jí)三個(gè)層次。基于像素級(jí)的圖像融合是指參與融合的圖像源來(lái)自圖像傳感器所采集到的原始圖像數(shù)。像素級(jí)融合是其他層次圖像融合方法的基礎(chǔ)；特征級(jí)融合在進(jìn)行圖像融合時(shí)首先提取不同源圖像的邊緣、輪廓等特征信息產(chǎn)生特征矢量，然后對(duì)特征矢量進(jìn)行融合處理。決策級(jí)融合在三種不同的融合算法中位于最高層次的圖像融合算法，在決策級(jí)融合思想中主要包括圖像的特征提取、圖像的識(shí)別、圖像的決策級(jí)融合。本文的研究算法也主要是針對(duì)像素級(jí)的圖像融合算法。

2 像素加權(quán)融合算法

加權(quán)系數(shù)融合方法顧名思義就是對(duì)兩幅圖像的灰度值矩陣進(jìn)行加權(quán)而獲得融合后的圖像，例如A、B兩幅圖像的像素灰度值按下式融合。

其中A（i，j）和B（i，j）代表圖像的二維灰度值矩陣，對(duì)于對(duì)應(yīng)位置的像素進(jìn)行線性加權(quán)操作，WA為圖像A的加權(quán)系數(shù)，WB為圖像B的加權(quán)系數(shù)，通常情況下WA+WB=1，WA=WB=0.5時(shí)，叫做平均加權(quán)。利用加權(quán)系數(shù)融合方法在源圖像中的冗余信息過(guò)多時(shí)可以得到更多的有效信息，也可以提高融合后圖像的信噪比，加權(quán)系數(shù)融合方法適合于源圖像目標(biāo)位置信息差異不大的地方。

3 基于小波變換的融合算法

小波變換的特點(diǎn)表現(xiàn)為低頻時(shí)具有高頻率分辨率和低時(shí)間分辨率，高頻時(shí)具有高時(shí)間分辨率和低頻率分辨率，基于這個(gè)特點(diǎn)在處理正常信號(hào)時(shí)很容易發(fā)現(xiàn)瞬態(tài)反常信號(hào)。本文算法主要應(yīng)用二維離散小波變換。

3.1 二維離散小波變換

離散小波變換是對(duì)基本小波ψ（t）的尺度和平移進(jìn)行離散化，也就是對(duì)連續(xù)小波的伸縮因子及平移因子進(jìn)行采樣而得到離散小波。通常使用的離散小波變換是二進(jìn)制離散小波變換，它是取

，這樣離散化后的小波和相應(yīng)的小波變換稱為二進(jìn)小波和二進(jìn)小波變換：

這時(shí)二進(jìn)小波變換為：

信號(hào)f（t）的重構(gòu)公式為：

其中c信號(hào)無(wú)關(guān)的常數(shù)。

經(jīng)過(guò)兩次小波變換后，圖像獲得3個(gè)高頻子帶和一個(gè)低頻子帶，第二層的小波變換分解是在低頻分量LL上進(jìn)行，分解算法與第一層小波變換分解算法相同。

3.2 基于小波變換的融合

基于小波的圖像融合原理具體如下：先對(duì)己嚴(yán)格配準(zhǔn)的兩幅待融合圖像A，B進(jìn)行小波變換，若進(jìn)行i層變換，便得到3i個(gè)高頻子帶和1個(gè)低頻子帶，將各子帶作相應(yīng)的融合處理，再將處理過(guò)的子帶實(shí)行小波逆變換，便形成了結(jié)果圖像。

本文采用像素加權(quán)的融合算法對(duì)經(jīng)小波變換后的各子帶進(jìn)行融合處理。具體步驟如下：

（1）將己嚴(yán)格配準(zhǔn)的紅外圖像和可見(jiàn)光圖像采用二維離散小波變換算法進(jìn)行1層小波變換。

（2）將變換的到的兩幅圖像按照WA=0.8，WB=0.2（WA為紅外圖像所占比重，WB為紅外圖像所占比重）進(jìn)行像素加權(quán)融合。

（3）將融合后的圖像進(jìn)行小波重置，從而獲得融合圖像。

4 實(shí)驗(yàn)結(jié)果

本實(shí)驗(yàn)在Visual C++的平臺(tái)上對(duì)紅外與可見(jiàn)光圖像融合算法進(jìn)行了實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果如圖1和圖2所示，融合圖像在凸顯紅外圖像中目標(biāo)的同時(shí)，保留了源圖像很多細(xì)節(jié)信息，融合效果較好。

5 結(jié)論

圖像融合能夠解決單幅圖像存在的局限性，而被廣泛應(yīng)用。通過(guò)圖像融合可以提高圖像質(zhì)量并減少圖像冗余度，以方便對(duì)圖像進(jìn)行深入的分析。而紅外與可見(jiàn)光圖像的融合更是對(duì)軍事、國(guó)防有著重大的意義。本文選用基于小波變換的融合算法，在保留可見(jiàn)光圖像細(xì)節(jié)信息的同時(shí)，也具備了紅外圖像中的目標(biāo)，融合效果較好。

參考文獻(xiàn)

[1]聶其貴，馬惠珠，基于目標(biāo)提取的紅外與可見(jiàn)光圖像融合新算法[J].應(yīng)用科技，2014（10）：49-52.

[2]楊文彬，紅外與微光融合系統(tǒng)對(duì)人體目標(biāo)的探測(cè)概率研究[D].南京理工大學(xué)，2012.

[3]劉勝，文池英，徐大新，高煒，趙曉鷹.紅外圖像與可見(jiàn)光圖像可匹配性研究[Z].中國(guó)航空學(xué)會(huì)制導(dǎo)與引信專業(yè)信息網(wǎng)學(xué)術(shù)交流會(huì)，2005.

[4]苑全兵，黃福，數(shù)字字符識(shí)別算法研究[J].電子測(cè)試，2010（04）：12-16.

[5]郝松傲，秦軍.熱紅外圖像與可見(jiàn)光圖像的配準(zhǔn)與融合[J].測(cè)繪，2008.