一种邻域一致性的NSCT域多传感器图像融合算法 .pdfVIP

一种邻域一致性的NSCT域多传感器图像融合算法

霍冠英;李庆武;石丹

【摘要】针对同一场景多传感器图像融合问题,提出了一种基于邻域特性的非采样

Contourlet变换域融合新算法.首先对待融合图像进行非采样Contourlet变换分

解,由邻域平均能量与方差构造各点的能量方差决策值,基于决策值最大原则选择低

频子带系数,从而在保持图像亮度的同时融合更多的边缘细节;基于邻域能量最大原

则选择带通方向子带系数,以保留更多的边缘.最后反变换得到融合图像.采用多聚焦

图像及红外与可见光图像进行仿真实验,并对融合结果进行了主客观评价.实验结果

表明,该算法较好地融合了亮度及边缘细节,避免了引入人为噪声,得到了具有更好的

视觉效果和量化指标的融合图像.

【期刊名称】《西安电子科技大学学报（自然科学版）》

【年(卷),期】2010(037)004

【总页数】7页(P770-776)

【关键词】多传感器;图像融合;邻域能量;决策值;非采样Contourlet变换

【作者】霍冠英;李庆武;石丹

【作者单位】河海大学,计算机及信息工程学院,江苏,常州,213022;河海大学,计算机

及信息工程学院,江苏,常州,213022;河海大学,计算机及信息工程学院,江苏,常

州,213022

【正文语种】中文

【中图分类】TP751

同一场景的多幅图像之间通常具有信息的冗余性和互补性,经图像融合技术得到的

合成图像可以更全面、更精确地描述所研究的对象.经典的图像融合算法包括加权

平均算法[1]、塔式分解法[2]等.

近20年来发展起来的小波分析兼具多分辨和时频局部化的优良特性,已成为图像融

合的重要技术手段[3-5].小波变换对含点状奇异的目标函数是最优基,但是由一维小

波张成的可分离小波只具有有限的方向,不能“最优”表示含线或者面奇异的高维

函数[6].因此,基于小波变换的图像融合不能很好地挖掘图像中方向边缘信息,融合后

的图像可能会产生细节模糊现象.近年来,随着Contourlet[7]等多尺度几何分析理

论的发展和成熟,基于多尺度几何变换的融合技术得到了广泛应用[8-13].多尺度几

何变换解决了小波变换不能有效表示二维或更高维奇异性的缺点,可以更有效地表

示纹理、边缘等结构的方向性和各向异性.其中,非采样Contourlet变换(NSCT)具

有Contourlet变换不具有的平移不变性,消除了Gibbs效应,可以得到更好的融合

效果[9-11].

图像的融合规则是基于多尺度分解图像融合算法中另一个至关重要的因素.低频系

数和各带通方向子带系数通常采用不同的融合规则.低频系数的融合主要有平均法

[12]、Burt提出的邻域能量显著性匹配的加权平均与选择相结合的方法[11,14]、

邻域能量最大的选择方法[10]、区域方差最大的选择方法[13]、梯度能量最大的选

择方法[3]及邻域梯度能量最大的选择与加权相结合的方法[9]等.带通方向子带系数

的融合则主要有系数绝对值最大的选择方法[3,10,12]、区域能量最大的选择方法

[13]、邻域绝对值方差最大的选择方法[11].对于低频系数的融合,平均法没有考虑

图像的边缘及亮度特征,融合后的图像亮度低、边缘模糊.邻域能量最大的选择方法

倾向于选择高亮度区域,会细化低亮度边缘.Burt提出的方法近似于邻域能量最大的

选择方法,同样存在边缘弱化的问题.区域方差最大的选择方法、梯度能量及邻域梯

度能量最大的选择方法会优先选择边缘纹理丰富的区域,但忽视了亮度的影响,对噪

声敏感,特别是对于亮度极性相反的红外与可见光图像融合,会在背景区引入较为严

重的人为噪声.对于各带通方向子带系数的融合,较多采用的系数绝对值最大的选择

方法没有考虑到邻域系数选择的一致性,会在边缘处产生轻微的虚影.

笔者提出了一种新的NSCT域融合算法.由邻域平均能量与方差构造能量方差决策

值,基于决策值最大原则选择低频系数,从而在保持图像亮度的同时融合更多的边缘

细节信息;基于邻域能量最大原则选择带通方向子带系数,以保留更多的边缘信息.将

算法运用到多聚焦图像及红外与可见光图像的融合实验中.仿真结果表明,该算法能

够较好地保留图像的边缘细节及亮度信息,避免了人为效应,得到具有更好视觉效果

和量化指标的融合图像.

1非采样Contourlet变换

与Contourlet变换类似,非采样Contourlet变换(NSCT)[15]也是将多尺度分解和

方向分解分开进行.首先采用非采样塔式滤波器组(Non