基于數(shù)字媒體技術(shù)的圖像融合算法分析

韓曉娟

晉中職業(yè)技術(shù)學院，山西 晉中 030600

0 引言

隨著我國技術(shù)水平不斷提高，數(shù)字媒體技術(shù)逐漸進入人們的視野，其主要使用信息技術(shù)以及通信技術(shù)，全面處理圖像、文字等信息，最終將信息轉(zhuǎn)化成數(shù)據(jù)。圖像融合主要是把具有不同成像理念設(shè)備所收集的圖像進行相互融合，以下是圖像融合算法的具體分析。

1 圖像融合概述

1.1 圖像融合的概念

圖像融合最早出現(xiàn)在20世紀，其是一種不同傳感設(shè)備可視信息部分的融合，通過將不同設(shè)備收集到的圖像經(jīng)過統(tǒng)一的圖像處理，提取所需要的數(shù)據(jù)信息，最后將其形成統(tǒng)一的圖像，以此為后續(xù)工作提供較大的便利。圖像融合綜合了較多的技術(shù)形式，例如：圖像處理、信息處理、數(shù)據(jù)顯示以及人工智能等。由于圖像融合技術(shù)具有一定的數(shù)據(jù)探測性，因此，在世界上技術(shù)發(fā)展較快的國家逐漸受到較高程度的重視，并產(chǎn)生了較為良好的成績。圖像融合形式一般可以分為以下幾種：不同傳感器在不同時間收集到的圖像進行融合；不同傳感器在相同時間收集到的圖像進行融合；單一傳感器在不同時間，或是不同地點下收集到的圖像進行融合。圖像融合可以高效地利用上述場景或時間收集圖像信息，結(jié)合精準的融合算法形成所需要的圖像，以此對其進行后續(xù)檢測、分析和跟蹤。將兩個傳感設(shè)備看作A和B，形成信息構(gòu)成圖（圖1）。

圖1 多源圖像的信息構(gòu)成

通過圖像融合技術(shù)可以使圖像中相關(guān)信息更加明顯，并逐漸提高圖像的精準性，從而使圖像中目標更加清晰，由此看來，這種計算方式可以獲得更加可靠的數(shù)據(jù)結(jié)果，進一步使該系統(tǒng)具有較強的實用性。與此同時，數(shù)據(jù)融合可以最大限度地提高圖像的分辨率，避免出現(xiàn)圖像模糊不清的情況，并的改善圖像分類性。在此基礎(chǔ)上，圖像融合在層次上有明顯的分類，主要可以劃分為：像素級、特征級以及決策級。

現(xiàn)如今，通過運用圖像融合技術(shù)對圖像進行處理，具有以下關(guān)鍵目的。①獲取圖像中更多的信息，提高圖像的分辨率，避免出現(xiàn)傳感設(shè)備收集到的圖像模糊不清的問題。②合理改善圖像空間分辨率，使圖像中光譜信息逐漸加強，從而為后續(xù)圖像識別工作提供便利。③將不同圖像根據(jù)場景變化情況進行合理分類。④可以將不同圖像進行融合，使其形成立體感較強的三維圖像，上述這種方式主要應(yīng)用在立體投影、數(shù)據(jù)測量等工作領(lǐng)域中。⑤根據(jù)其他傳感設(shè)備圖像，收集所丟失的圖像信息。根據(jù)以上目的來看，圖像融合技術(shù)與其他圖像技術(shù)不同，其具有更強的創(chuàng)新性以及準確性，從而在短時間內(nèi)成為圖像處理領(lǐng)域中全新的技術(shù)形式[1]。

1.2 圖像融合的層次

在不同融合應(yīng)用過程中，由于應(yīng)用方式、所運用的數(shù)據(jù)信息，以及融合處理工作前對數(shù)據(jù)處理程度不同，使融合系統(tǒng)要在不同層次上，對數(shù)據(jù)信息進行針對性處理，每個層次都有相對應(yīng)的數(shù)據(jù)級別。結(jié)合數(shù)據(jù)形式來看，可以將圖像融合系統(tǒng)分為三個部分：像素級、特征級以及決策級。融合層次在一定程度上直接影響著算法形式、適用范圍。圖2是在圖像處理工作過程中，圖像融合所代表的層次信息。

圖2 不同層次的多源圖像融合示意圖

2 圖像融合過程

圖像融合在一定程度上主要是指將使用方式不同的傳感設(shè)備收集到的場景圖像，通過圖像融合算法計算得出精準性較高的新圖像，圖像融合過程大多包含以下幾個方面。

2.1 圖像預(yù)處理

圖像預(yù)處理主要是將兩張或兩張以上的圖像進行事先處理，所處理的圖像一般來自不同使用方式的傳感設(shè)備，圖像預(yù)處理過程主要包括圖像去噪聲、圖像增強以及圖像配準等流程，上述過程的關(guān)鍵就是全方位提高所有圖像的對比度以及識別度[2]。

（1）圖像校正。圖像校正主要可以劃分成幾何校正、灰度校正。結(jié)合幾何校正來看，其主要理念就是通過已經(jīng)獲取的數(shù)據(jù)，也就是根據(jù)坐標之間的數(shù)據(jù)關(guān)系以及相關(guān)系數(shù)，使其作為其他象限的基礎(chǔ)。幾何校正的方式一般是先建立針對性的數(shù)學模型，再根據(jù)相關(guān)圖像信息明確模型中的參數(shù)數(shù)據(jù)，最后結(jié)合圖像進行幾何對比。實際流程可以劃分為兩步。第一，變換圖像對應(yīng)的坐標，建立適當?shù)淖鴺梭w系以及坐標點，使二者形成映射，從而解決上述關(guān)系中的參數(shù)數(shù)據(jù)，最后結(jié)合映射對坐標進行調(diào)整。第二，明確掌握不同像素之間的灰度值。與此同時，結(jié)合灰度校正來看，根據(jù)圖像自身的不同情況以及需要的不同特點選擇相對應(yīng)的修正方式。

下列是使用較多的三種方式。第一，灰度級別校正。由于圖像之間存在曝光不清楚的問題，這種現(xiàn)象會使圖像變得忽明忽暗，為了解決上述問題，可以對于圖像進行適當?shù)幕叶燃墑e校正，從而保證圖像在灰度上均勻分布。第二，灰度變換。由于部分圖像存在曝光不均勻的問題，因此可以運用灰度變換的方式，其能夠最大限度提高圖像之間的對比度。第三，直方圖修正。這種方式能夠為圖像有均勻灰度提供關(guān)鍵保障，進而有針對性選擇需要的部分圖像，以此滿足不同需要。

（2）圖像濾波技術(shù)。在圖像收集過程中，由于圖像會受到周圍地理位置、環(huán)境、使用設(shè)備以及電壓等不同因素的影響，圖像收集工作極容易受到信號的干擾，上述信號就是生活中的噪聲，會或多或少對圖像造成干擾。其中，最相似的干擾特點就是導(dǎo)致圖像分辨率降低，使圖像變得更加模糊，甚至出現(xiàn)圖像目標無法呈現(xiàn)的問題，從而對后續(xù)圖像分析、處理工作造成較大影響。上述噪聲具有較多的種類，分類標準也各有不同。例如，根據(jù)噪聲產(chǎn)生情況，可以劃分為外部噪聲以及內(nèi)部噪聲；根據(jù)噪聲分布情況來看，可以分成隨機噪聲以及校驗噪聲；根據(jù)噪聲與信號之間的相互影響，可以劃分成加性噪聲以及乘性噪聲等。針對上述不同種類的噪聲，去除噪聲的方式可以劃分成以下兩種。

①空域濾波去噪。這種方式主要是調(diào)整圖像中的灰度值，進而進行圖像運算。生活中最常見的空域濾波去噪方式主要有均值濾波、中值濾波以及空間域低通濾波法。根據(jù)上述方式來看，維納濾波是適應(yīng)性較強的去噪方式，其在運用過程中選擇性較高，因此，可以對圖像進行高質(zhì)量的保護，特別是對白噪聲有較好的控制效果。

②變換域去噪。這種方式主要是在圖像的某一部分內(nèi)，對圖像經(jīng)過相關(guān)變換后產(chǎn)生的系數(shù)進行處理，進而再進行反變換，從而真正實現(xiàn)去除噪聲的要求。生活中經(jīng)常使用的方法主要有：頻率域低通濾波法、小波變換法等?，F(xiàn)如今，小波變換法仍然處于摸索階段，整體來看，其具有較好的去噪效果，但計算方式較為繁瑣。由此看來，不同的計算方式會對圖像產(chǎn)生不同的影響[3]。

2.2 圖像融合主要過程

圖像融合主要過程就是清晰掌握圖像融合的級別，例如圖像的像素級別、決策級別、特征級別、圖像融合算法以及相關(guān)融合處理過程等，上述過程是圖像融合工作的重中之重。

2.3 融合效果評價

融合效果評價是對融合算法的運算方式進行合理檢測以及評價，通過融合效果評價，可以促進后續(xù)生產(chǎn)有效改進并高質(zhì)量完善，進而對后續(xù)工作提供關(guān)鍵的依據(jù)。對于融合圖像的后續(xù)處理工作來說，要對處理完畢的融合圖像進行后續(xù)檢測、信息識別、數(shù)據(jù)跟蹤以及最終決策等，上述流程會包括不同工作范圍的相關(guān)應(yīng)用。

3 圖像融合算法

3.1 融合圖像算法流程

①通過將紅外熱圖像進行事先處理，根據(jù)分段的方式進行變化，從而逐步增加紅外熱圖像的分辨率以及對比度，這種方式可以更加清晰地區(qū)分紅外熱圖像。②通過將事先處理完畢的紅外熱圖像以及可見光圖像進行方向、尺度上的變化，由此可以得到更加精準的圖像數(shù)據(jù)信息以及高頻子帶系數(shù)。③根據(jù)融合圖像的相關(guān)算法規(guī)則來看，要對圖像數(shù)據(jù)信息、高頻子帶系數(shù)進行不同的數(shù)據(jù)融合，從而得出與其對應(yīng)的子帶系數(shù)。④通過對上述系數(shù)進行變化，最后能夠得到所需要的融合圖像。

3.2 紅外圖像預(yù)處理

紅外圖像自身在抗噪聲方面功能性較差，并且對比性與邊緣處理情況都有處理上的問題。為了進一步實現(xiàn)圖像融合的要求，必須要運用分段性的方式對紅外圖像進行相關(guān)處理，通過合理提高圖像數(shù)據(jù)對比度，增強圖像中目標的識別系數(shù)。這種運算方式相對簡單，不需要較長的運算時間，因此對后續(xù)工作不會產(chǎn)生較大的影響。

分段性變換計算方式的公式如下：

上述公式中I(x,y)代表紅外圖像在(x,y)中像素變化情況，g(x,y)代表經(jīng)過變換后的像素變化情況。

3.3 圖像融合處理

（1）將事先處理完畢的可見光圖像與紅外圖像進行方向、尺度上的變化，以此得到不同圖像在頻率變化中的子帶系數(shù)。

（2）通過全方位分析不同子帶系數(shù)的相關(guān)特點，獲取不同的數(shù)據(jù)信息，進而結(jié)合圖像場景中的融合處理要求，選擇最適宜的融合方式，從而進行融合處理，最終得到不同圖像的子帶數(shù)據(jù)信息。

（3）通過上述流程能夠得到不同方向、尺度的融合系數(shù)，在對融合系數(shù)進行相關(guān)變換后，最終獲得融合圖像。

3.4 融合規(guī)則

融合規(guī)則主要運用區(qū)域性的計算方式，這種方式與窗口方式在運用過程中具有較大的相似性，具體不同主要體現(xiàn)在其沒有限制性的方形小窗，融合形狀可以選擇不同形式的形狀。這主要由于紅外圖像中所有目標在形狀都各有不同，運用上述規(guī)則形式可以適應(yīng)融合區(qū)域特點。

4 圖像融合算法的性能評價

4.1 平均梯度

平均梯度指標主要是指圖像的清晰情況，其是衡量圖像清晰度的關(guān)鍵方式之一，具體代表圖像在垂直以及水平不同方向上的區(qū)別。平均梯度指標在實際應(yīng)用中能夠反映出圖像中紋理情況的變化程度，并且其對像素灰度有較大的敏感性。以下是平均梯度的相關(guān)公式：

4.2 信息熵

信息熵主要是指圖像中價值水平較高的數(shù)據(jù)信息間的含量，也代表著圖像中像素灰度自身的頻率特點以及次數(shù)情況，因此能夠代表像素灰度情況的概率信息。信息熵的情況能夠直接預(yù)測著融合圖像自身的數(shù)據(jù)價值情況，這側(cè)面證明著融合效果的質(zhì)量情況[4]。以下是信息熵的相關(guān)公式：

E=-∑Pi×log2pi

4.3 互信息

互信息主要是用在觀察不同圖像間的相似情況，是圖像融合質(zhì)量的關(guān)鍵檢測方式之一?；バ畔?shù)據(jù)越大，就代表融合圖像中信息數(shù)據(jù)量越豐富，因此，其自身就具有較強的融合性。若融合圖像中A、B通過融合的方式生成了圖像F，則以下就是互信息的計算方式：

4.4 空間頻率

圖像中空間頻率主要是指圖像在不同方向中的相差數(shù)據(jù)值與垂直方向的相差數(shù)值之和，也可以理解為，其代表圖像自身的活躍情況。以下是空間頻率的相關(guān)公式：

SF=√(RF)2+(CF)2

4.5 標準差

標準差主要是指圖像在像素灰度與數(shù)據(jù)水平中的實際差異，在計算過程中代表著像素的類別，數(shù)據(jù)值越大就表明像素之間具有較大的差異，層次性就更顯著。以下是標準差的相關(guān)公式：

SD(F)=√1/M X N∑(F(i,j))-F)2

根據(jù)上述計算方式進行針對性的仿真實驗，主要是將可見光圖像與紅外線圖像進行對比；將變化算法與NSCT算法進行對比；將PCNN算法與其他算法進行對比。結(jié)合最終對比情況來看，運用變換算法的圖像在目標部分更加顯著，但融合圖像后沒有良好地保存相關(guān)數(shù)據(jù)信息，因此，運用上述計算方式的融合圖像質(zhì)量較差。運用NSCT算法的圖像在目標場景方面有較好的保留性，圖像顯示更加清晰，但在對比度方面仍有缺陷[5]。PCNN算法在場景融合過程中有高質(zhì)量的信息保存性，但在邊緣區(qū)域較為模糊，對比性較差。表1是上述方式的具體指標對比。

表1 圖像融合算法評價指標對比表

結(jié)合表1可以看出其他算法的融合圖像在平均梯度、信息熵、互信息、空間頻率以及標準差方面都有明顯的提高[6]。

5 結(jié)語

綜上所述，圖像融合技術(shù)是數(shù)字媒體技術(shù)中較為關(guān)鍵的技術(shù)之一，其可以把不同設(shè)備收集到的圖像運用數(shù)字媒體技術(shù)進行相互融合，從而使圖像中的物體逐漸顯現(xiàn)。圖像融合技術(shù)可以儲存更多關(guān)鍵的場景，具有較高的準確性，為后續(xù)相關(guān)工作順利進行奠定堅實的基礎(chǔ)。