基于免疫克隆選擇的多尺度對(duì)比度塔和多小波的sar圖像融合(已修改)
2025-07-09 23:01 本頁(yè)面
【正文】 基于CP和多小波HMT模型的克隆選擇遙感圖像融合*基金項(xiàng)目: 國(guó)家“863”計(jì)劃(), 陜西省自然科學(xué)基金()金海燕1, 2 焦李成1(1西安電子科技大學(xué)智能信息處理研究所 陜西西安，7100712西安理工大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院 陜西西安，710048)摘要：如何得到有效的融合系數(shù)是圖像融合的關(guān)鍵。本文從圖像的統(tǒng)計(jì)特性出發(fā)，構(gòu)造了對(duì)比度塔（CP）和GHM多小波，建立了多小波HMT模型以捕獲多小波系數(shù)之間的相關(guān)性。同時(shí)，將進(jìn)化計(jì)算思想—免疫克隆選擇（ICS）算法引入到圖像融合處理中，用來(lái)優(yōu)化融合系數(shù)，較好地實(shí)現(xiàn)了多傳感器遙感圖像的融合。仿真實(shí)驗(yàn)證明，與傳統(tǒng)的小波變換和多小波變換方法相比，本文方法得到的融合圖像有效地保留了圖像的細(xì)節(jié)和紋理信息，圖像的信息熵值保持在較高水平。關(guān)鍵詞：圖像融合 免疫克隆選擇 多小波變換 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, China2School of Computer Science amp。 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 deposition and GHM multiwavelets are constructed and using multiwavelet domain HMT models to capture the dependencies of coefficients in this article. Furthermore, the evolution putation 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 pared to conventional wavelets and multiwavelet systems as information entropy (IE) values keep at a high level, and average grads (AG) values increase averagely about and , respectively and standard differences (STD) values increase averagely about and , respectively. Key words: Image fusion。 Immune clonal selection。 Multiwavelet transform。 HMT models。 CP deposition1 引言圖像融合作為圖像的預(yù)處理過(guò)程是近年來(lái)圖像工程領(lǐng)域的研究熱點(diǎn)。對(duì)于二維圖像來(lái)說(shuō)，融合的目的就是通過(guò)對(duì)多幅源圖像進(jìn)行信息提取與綜合，從而獲得對(duì)同一場(chǎng)景或目標(biāo)更準(zhǔn)確、全面和可靠的圖像描述。目前，融合技術(shù)已廣泛應(yīng)用于醫(yī)學(xué)圖像處理、遙感圖像處理和天氣預(yù)報(bào)等領(lǐng)域中。多傳感器遙感圖像提供了地物不同電磁波段、不同時(shí)相、不同入射角、不同成像機(jī)理、不同空間分辨率的信息，由于這些信息可以互相補(bǔ)充，因此多傳感器遙感圖像融合可以彌補(bǔ)單一傳感器獲取圖像信息的不足。所以，對(duì)遙感圖像的融合研究更具有十分重要的意義。圖像融合通常在以下三個(gè)層次上進(jìn)行：象素級(jí)、特征級(jí)和決策級(jí)。目前，大部分的融合研究都集中在象素級(jí)。融合的方法主要有：簡(jiǎn)單的圖像融合方法，基于塔形變 換的方法[12]，基于小波變換的方法[3]等。簡(jiǎn)單的圖像融合方法采用的融合規(guī)則就是直接對(duì)象素進(jìn)行選擇、平均或加權(quán)平均等操作，通常得不到滿意的結(jié)果。Toet[4]首先提出了基于比率塔分解的融合方法，其融合規(guī)則是基于象素的簡(jiǎn)單選擇，但融合效果不夠理想。基于單小波變換的融合方法考慮的是兩幅圖像小波系數(shù)的最大絕對(duì)值或局部區(qū)域特征。小波基在表示圖像邊緣的線奇異性時(shí)，并不是最優(yōu)基。因此，基于小波變換的方法不能很好地挖掘圖像的邊緣性質(zhì)和細(xì)節(jié)信息，處理后的圖像邊緣有“振鈴”現(xiàn)象。自從最早的由Geronimo、Hardin和Massopust成功構(gòu)造GHM多小波以來(lái)，多小波以其獨(dú)特的魅力引起了許多研究者的濃厚興趣，這主要是因?yàn)樗缺３至藛涡〔ǖ闹T多優(yōu)點(diǎn)，又克服了單小波的缺陷，而且它把十分重要的正交性、光滑性、緊支性、對(duì)稱性等完美地結(jié)合了起來(lái)[56]。與單小波不同，多小波基是由多個(gè)小波母函數(shù)經(jīng)過(guò)伸縮平移生成，并對(duì)應(yīng)有多個(gè)尺度函數(shù)。采用單小波對(duì)信號(hào)進(jìn)行處理時(shí)，可以直接對(duì)采樣信號(hào)進(jìn)行分解和重構(gòu)，而多小波則要在分解前先對(duì)信號(hào)進(jìn)行預(yù)處理，然后還需對(duì)處理后的信號(hào)進(jìn)行分解，最后對(duì)重構(gòu)信號(hào)進(jìn)行后處理才能得到恢復(fù)信號(hào)。我們研究了多小波的特點(diǎn)，將其應(yīng)用到圖像融合中。同時(shí)，利用隱馬爾可夫樹(shù)（HMT）模型捕獲多小波系數(shù)之間的相關(guān)性。為了尋找最優(yōu)的融合系數(shù)，我們將進(jìn)化計(jì)算思想—免疫克隆選擇（ICS）算法引入到圖像融合處理中，以優(yōu)化融合系數(shù)。ICS算法作為一種新的全局優(yōu)化搜索算法，在算法實(shí)現(xiàn)上兼顧了全局搜索和局部搜索，通過(guò)接種疫苗和計(jì)算適應(yīng)度函數(shù)，使算法快速收斂，同時(shí)保證了解的多樣性，抑制了早熟現(xiàn)象。本文根據(jù)人眼的視覺(jué)特性，利用對(duì)比度塔（CP）調(diào)節(jié)圖像對(duì)比度值，將不同的CP序列在空間分辨率的不同層次進(jìn)行多小波變換，建立了多小波HMT（MWHMT）模型，并利用ICS算法根據(jù)親合度值的大小優(yōu)化融合系數(shù)，達(dá)到了較好的融合效果。本文其余部分內(nèi)容安排如下：第二節(jié)構(gòu)造了CP分解，給出了GHM多小波變換，建立了MWHMT模型；第三節(jié)介紹了ICS的思想，分析了ICS機(jī)理；第四節(jié)給出了基于CP和GHM多小波HMT模型的ICS融合算法（ICSCPMWHMT）的實(shí)現(xiàn)步驟；第五節(jié)給出了仿真實(shí)驗(yàn)和數(shù)值結(jié)果，并進(jìn)行了簡(jiǎn)要分析；最后總結(jié)全文，給出了進(jìn)一步的研究方向。2 基于ICSCPMWHMT的圖像融合 CP分解 按照計(jì)算機(jī)視覺(jué)中對(duì)人眼感知過(guò)程模擬的多尺度方法，并根據(jù)人眼對(duì)低頻部分比對(duì)高頻部分更敏感的特性，我們采用對(duì)圖像進(jìn)行自底
高考資料相關(guān)推薦
鄂ICP備17016276號(hào)-1