【正文】 29 其次，我要真誠(chéng)地感謝同班同學(xué)在論文完成過(guò)程中給予的無(wú)私幫助，讓我能夠順利地完成論文。 錯(cuò)誤 !未找到引用源。 研究展望 近幾十年來(lái)，圖像融合技術(shù)取得了顯著的發(fā)展，并廣泛的應(yīng)用于軍事，遙感、民用、醫(yī)學(xué)等許多領(lǐng)域。 信噪比 (PSNR )： (f)(d)(c)(b)； 錯(cuò)誤 !未找到引用源。 錯(cuò)誤 !未找到引用源。 ? ?? ? ? ? ? ?? ?? ? ????????????????????????????????MiNj jjiijiyyxfxyxfNMg r a d 0 022 ,21111 (36) 式中， ? ?yxf , 是融合圖像， grad 越大，表示圖像越清晰。 互信息越大，融合效果就越好。但是，為了能夠?qū)θ诤蠄D像進(jìn)行一個(gè)比較客觀的衡量，主要采用信息熵、互信息量、均方根誤差、信噪比和平均梯度 5 個(gè)參數(shù)對(duì)融合圖像的效果進(jìn)行衡量。 小波圖像融合的優(yōu)點(diǎn) 錯(cuò)誤 !未找到引用源。 基于像素點(diǎn)的融合方式。 對(duì)各分解層分別進(jìn)行融合處理。 小波變換的圖像融合過(guò)程 首先采用小波 Mallat 快速算法 [10]，對(duì)二維圖像進(jìn)行 N 層的小波分解 ，最終將有 ? ?13 ?N 個(gè)不同頻率分量，其中包括 N3 個(gè)高頻分量和一個(gè)低頻分量。 如果 ??x? 是一維多分辨率分析 ??zjjV ? 的正交小波基，而二維多分辨率分析的三個(gè)小波函數(shù)為 ? ? ? ? ? ?? ? ? ? ? ?? ? ? ? ? ?????????yxyxyxyxyxyx?????????,321 (217) 對(duì)于每一個(gè) Zj? ，它們的整數(shù)平移系為 ? ? ? ? ? ?? ? ? ? ? ?? ? ? ? ? ???????????yxyxyxyxyxyxmjnjmnjmjnjmnjmjnjmnj,3,2,1,????????? (218) 16 注意這里的上標(biāo)只是索引而不是指數(shù)。 IHS 變換可以提高影像的地物紋理特性，增強(qiáng)其空間細(xì)節(jié)表現(xiàn)能量，但是由于在變換中 I 分量被高分辨率全色影像 取代，因此變換的結(jié)果會(huì)產(chǎn)生較大的光譜失真，融合后圖像識(shí)別精度不高。 將多光譜的 BGR 、 三個(gè)波段轉(zhuǎn)換到 IHS 空間，得到 SHI 、 三個(gè)分量； 錯(cuò)誤 !未找到引用源。 基于 IHS 變換的圖像融合 目前，常用的顏色模型一種是通常采用的紅、黃、綠（ RGB）三原色模型。 PCA 變換的流程圖如圖 4 所示： 圖 4 PCA變換流程圖 PCA 算法的主要步驟如下： 全色圖像 多光譜圖像 空間配準(zhǔn) 多光譜圖像主成分變換 對(duì)全色圖像做直方圖匹配 匹配后的全色圖 像替換 第一主分量并作逆主分量變換 融合圖像 12 錯(cuò)誤 !未找到引用源。 ?????????????????nmjmmnijiinjxxxxxxxxxX????????????????111111 ?????????????????222122212121211nmjmmnijiinjC????????????????????????? (29) 錯(cuò)誤 !未找到引用源。在由這些新指標(biāo)組成的新特征軸中，只用前幾個(gè)分量圖像就能完全表征原始集群的有效信息，圖像中彼此相關(guān)的數(shù)據(jù)被壓縮，而特征得到了突 10 出。 9 若要對(duì)彩色圖像進(jìn)行融合處理時(shí)，可以按照三基色模型，將每幅彩色圖像看作三幅單色圖像（紅、綠、藍(lán)）的疊加，分別對(duì)各色圖像進(jìn)行融合處理，最終可得到融合后的三幅紅、綠、藍(lán)單色圖像，由這三幅單色圖像疊加便可形成融合后的彩色圖像。 圖像灰度值的平均可看作灰度值和加權(quán)的特例（ ???? ）。然而像素級(jí)融合在融合處理的難易程度上為最復(fù)雜、對(duì)傳感器的依賴(lài)性最高、系統(tǒng)容錯(cuò)性差，抗干擾能力也最低。例如，在利用紅外熱像儀和可見(jiàn)光攝影機(jī)進(jìn)行目標(biāo)識(shí)別時(shí)，首先要在 兩幅圖像上找到目標(biāo)背景之間的差異，對(duì)目標(biāo)的輪廓進(jìn)行提取；然后對(duì)目標(biāo)進(jìn)行比較、選擇、綜合，最后進(jìn)行識(shí)別和決策 [1]。 像素級(jí)圖像融合 基于像素級(jí)融合，是對(duì)多源圖像的關(guān)于同一場(chǎng)景、目標(biāo)的同一像素級(jí)灰度進(jìn)行的綜合處理，生成的新圖像能夠包含源圖像中所有像素點(diǎn)的信息，融合流程圖如圖 1 所示。 簡(jiǎn)單闡述圖像融合的三個(gè)層次：像素級(jí)圖像融合、特征級(jí)圖像融合和決策級(jí)圖像融合。 圖像融合速度問(wèn)題：就圖像融合目前的發(fā)展現(xiàn)狀而言，圖像的融合效果和融合速度之間存在著矛盾。近年來(lái)，圖像融合技術(shù)已經(jīng)成為計(jì)算機(jī)視覺(jué)、自動(dòng)控制、機(jī)器人、目標(biāo)識(shí)別跟蹤、軍事應(yīng)用領(lǐng)域的關(guān)鍵技術(shù)之一 [1]。目前，像素級(jí)融合是圖像融合的研究重點(diǎn)。 本文首先介紹了圖像融合的目的、國(guó)內(nèi)外研究現(xiàn)狀、面臨的問(wèn)題以及本文的主要工作。 國(guó)內(nèi)對(duì)圖像融合的研究起步于上世紀(jì) 90 年代。一般的融合方法，算法簡(jiǎn)單直觀、融合速度快、實(shí)時(shí)性強(qiáng)，但融合后的效果很難令人滿(mǎn)意，在實(shí)際應(yīng)用中并沒(méi)有多大的用處，也很難得到廣泛的應(yīng)用；而一些較好的融合方法，比如：多分辨塔式方法和小波變換方法，它們的融合效果相對(duì)比較好 ，但融合速度大大降低。 錯(cuò)誤 !未找到引用源。進(jìn)行像素級(jí)融合之前，必須先對(duì)進(jìn)行融合的圖像進(jìn)行預(yù)處理和圖像配準(zhǔn)，目的是為了提高融合的可靠性和精度。 圖 1 像素級(jí)圖像融合 圖 2 特征及圖像融合 … 圖像 1 圖像 2 圖像 n 預(yù)處理 圖像配準(zhǔn) 像素級(jí)別融合 特征提取 分類(lèi)決策 結(jié)果 圖像 1 圖像 2 圖像 n … 預(yù)處理 特征提取 圖像配準(zhǔn) 特征融合 結(jié)果 6 決策級(jí)圖像融合 決策級(jí)的融合，先對(duì)每個(gè)源圖進(jìn)行預(yù)處理、特征提取、識(shí)別或判決，融合流程圖如圖 3 所示。 像素級(jí)的圖像融合是最基本的圖像融合方法，也是特征級(jí)融合、決策級(jí)融合研究的基礎(chǔ)，其結(jié)果圖像獲得的信息量最多、目標(biāo)的辨識(shí)性最好。多數(shù)情況下，這種加 權(quán)平均融合的方法中，參加融合的圖像提供的冗余信息，通過(guò)這種融合可以提高檢測(cè)的可靠性。也就是說(shuō)，彩色圖像的融合過(guò)程可以分解成 三基色單色圖像的融合過(guò)程。 主成分變換的變換公式可以用下式表示： TXY? (28) 式中： X：待變換圖像的數(shù)據(jù)矩陣； Y ：變換后圖像的數(shù)據(jù)矩陣； T ：變換矩陣。 計(jì)算協(xié)方差矩陣 C 的特征值 ? 與特征向量 U ，組成變換矩陣 T ，若以各特征矢量為列構(gòu)成矩陣 U ，則 U 的轉(zhuǎn)置矩陣即為 KL 11 變換的系數(shù)矩陣 T 。 對(duì)參加融合的源圖像進(jìn)行配準(zhǔn)； 錯(cuò)誤 !未找到引用源。另外一種廣泛應(yīng)用的顏色模型是強(qiáng)度（ Intensity）、色調(diào)（ Hue）、飽和度（ Saturation）顏色模型。 將全色圖像與多光譜圖像經(jīng) IHS 變換后得到的亮度分量 I ，在一定的融合規(guī)則下進(jìn)行融合，得到新的亮度分量（融合分量） 39。所以，在實(shí)際應(yīng)用中傳統(tǒng)的 IHS 變換融合方法使用范圍很有限，主要使用的是一些改進(jìn)過(guò)的 IHS 變換融合方法 [3]。它們構(gòu)成了 ? ?zjjW ?2的規(guī)范正交基。小波分解的層數(shù)越多，對(duì)應(yīng)高層的子圖將越小，因此圖像小波分解的各個(gè)圖像也具有金字塔式結(jié)構(gòu)，故可稱(chēng)為小波分解金字塔。各分解層上的不同頻率分量可采用不同的融合算子進(jìn)行融合處理，最終得到融合后的小波金字塔； 錯(cuò)誤 !未找到引用源。由于小波變換已將圖像信息分解變換到 了不同 19 的頻段中，即將源圖像逐層分解成具有不同特征的子圖像，按照適當(dāng)?shù)娜诤弦?guī)則和算子對(duì)子圖像中像素點(diǎn)的灰度值進(jìn)行融合處理，作為融合后子圖像對(duì)應(yīng)像素點(diǎn)的像素值。 多尺度、多分辨率特點(diǎn) 錯(cuò)誤 !未找到引用源。但由于互信息的計(jì)算比較麻煩，不易實(shí)現(xiàn)，所以本文主要利用信息熵、均方根誤差、信噪比和平均梯度 4 個(gè)參數(shù)對(duì)融合圖像的效果進(jìn)行衡量。 錯(cuò)誤 !未找到引用源。 利用上述標(biāo)準(zhǔn)對(duì)圖像融合效果評(píng)價(jià)準(zhǔn)則如下。 峰值信噪比 PSNR 高，融合效果好。 平均梯度 (grad )： (f)(d)(c)(b)。但是目前國(guó)內(nèi)外對(duì)圖像融合技術(shù)的研究還不夠系統(tǒng)、不夠深入，還沒(méi)有形成完整的理論框架和體系，還需要做大量深入、細(xì)致的工作。 在實(shí)際的圖像融合 中，單一的融合方法很難達(dá)到我們所預(yù)期的效果，因此需要我們考慮采用多種融合方法進(jìn)行分工和互補(bǔ)， 27 來(lái)達(dá)到最優(yōu)化的融合效果。四年的同學(xué)友誼讓我難以忘懷。再次向他表示最誠(chéng)摯的感謝。因此，在這一方面還需要我們做出更大的努力。 本文主要就圖像融合技術(shù)展開(kāi)研究，闡述了圖像融合的目的、國(guó)內(nèi)外研究現(xiàn)狀、研究所面臨的問(wèn)題以及圖像融合的三個(gè)層次，重點(diǎn)研 究了像素級(jí)圖像融合的幾種融合方法，并通過(guò) matlab 仿真，得出不同融合方法的融合結(jié)果