基于CP和多小波HMT模型的克隆选择遥感图像融合.doc

基于CP和多小波HMT模型的克隆选择遥感图像融合* 金海燕1, 2 焦李成1 (1西安电子科技大学智能信息处理研究所 陕西西安，710071 2西安理工大学计算机科学与工程学院 陕西西安，710048) 摘要：如何得到有效的融合系数是图像融合的关键。本文从图像的统计特性出发，构造了对比度塔（CP）和GHM多小波，建立了多小波HMT模型以捕获多小波系数之间的相关性。同时，将进化计算思想—免疫克隆选择（ICS）算法引入到图像融合处理中，用来优化融合系数，较好地实现了多传感器遥感图像的融合。仿真实验证明，与传统的小波变换和多小波变换方法相比，本文方法得到的融合图像有效地保留了图像的细节和纹理信息，图像的信息熵值保持在较高水平，平均梯度值比小波变换和多小波变换方法平均分别提高了1.3和2.3，标准差值平均分别提高了8.0和8.8。 关键词：图像融合 免疫克隆选择 多小波变换 HMT模型 CP分解 Clonal Selection Remote Sensing Image Fusion Based on CP and Multiwavelet HMT Models JIN Haiyan1, 2, JIAO Licheng2 (1Institute of Intelligent information processing, Xidian University, Xi’an 710071, China 2School of Computer Science Engineering, Xi’an University of Technology, Xi’an 710048,China) Abstract: How to obtain efficient fusion coefficients is the key problem in image fusion processing. In terms of the statistical characteristic of images, CP decomposition and GHM multiwavelets are constructed and using multiwavelet domain HMT models to capture the dependencies of coefficients in this article. Furthermore, the evolution computation idea ?immune clonal selection (ICS) algorithm is introduced to optimize the fusion coefficients for better fusion results. Fusion performance is evaluated through subjective inspection, as well as objective fusion performance measurements. Results clearly demonstrate the superiority of this new approach when compared to conventional wavelets and multiwavelet systems as information entropy (IE) values keep at a high level, and average grads (AG) values increase averagely about 1.3 and 2.3, respectively and standard differences (STD) values increase averagely about 8.0 and 8.8, respectively. Key words: Image fusion; Immune clonal selection; Multiwavelet transform; HMT models; CP decomposition 1 引言 图像融合作为图像的预处理过程是近年来图像工程领域的研究热点换的方法[1-2]，基于小波变换的方法[3]等。简单的图像融合方法采用的融合规则就是直接对象素进行选择、平均或加权平均等操作，通常得不到满意的结果。Toet[4]首先提出了基于比率塔分解的融合方法，其融合规则是基于象素的简单选择，但融合效果不够理想。基于单小波变换的融合方法考虑的是两幅图像小波系数的最大绝对值或局部区域特征。小波基在表示图像边缘的线奇异性时，并不是最优基。因此，基于小波变换的方法不能很好地挖掘图像的边缘性