【文章內(nèi)容簡(jiǎn)介】 只讓低頻信號(hào)通過）法，可去掉圖中的噪聲；采用高通濾波法，則可增強(qiáng)邊緣等高頻信號(hào)，使模糊的圖片變得清晰。具有代表性的空間域算法有局部求平均值法和中值濾波（取局部鄰域中的中間像素值）法等，它們可用于去除或減弱噪聲。圖像平滑圖像平滑是指用于突出圖像的寬大區(qū)域、低頻成分、主干部分或抑制圖像噪聲和干擾高頻成分，使圖像亮度平緩漸變，減小突變梯度，改善圖像質(zhì)量的圖像處理方法。 　　圖像平滑的方法包括：插值方法，線性平滑方法，卷積法等等。這樣的處理方法根據(jù)圖像噪聲的不同進(jìn)行平滑，比如椒鹽噪聲，就采用線性平滑方法 圖像配準(zhǔn)的概念圖像配準(zhǔn)(Image registration)就是將不同時(shí)間、不同傳感器(成像設(shè)備)或不同條件下(天候、照度、攝像位置和角度等)獲取的兩幅或多幅圖像進(jìn)行匹配、疊加的過程，它已經(jīng)被廣泛地應(yīng)用于遙感數(shù)據(jù)分析、計(jì)算機(jī)視覺、圖像處理等領(lǐng)域。圖像配準(zhǔn)的方式可以概括為相對(duì)配準(zhǔn)和絕對(duì)配準(zhǔn)兩種：相對(duì)配準(zhǔn)是指選擇多圖像中的一張圖像作為參考圖像，將其它的相關(guān)圖像與之配準(zhǔn)，其坐標(biāo)系統(tǒng)是任意的。絕對(duì)配準(zhǔn)是指先定義一個(gè)控制網(wǎng)格，所有的圖像相對(duì)于這個(gè)網(wǎng)格來進(jìn)行配準(zhǔn)，也就是分別完成各分量圖像的幾何校正來實(shí)現(xiàn)坐標(biāo)系的統(tǒng)一。本文主要研究大幅面多圖像的相對(duì)配準(zhǔn)，因此如何確定多圖像之間的配準(zhǔn)函數(shù)映射關(guān)系是圖像配準(zhǔn)的關(guān)鍵。通常通過一個(gè)適當(dāng)?shù)亩囗?xiàng)式來擬合兩圖像之間的平移、旋轉(zhuǎn)和仿射變換，由此將圖像配準(zhǔn)函數(shù)映射關(guān)系轉(zhuǎn)化為如何確定多項(xiàng)式的系數(shù)，最終轉(zhuǎn)化為如何確定配準(zhǔn)控制。圖像融合是一種綜合多個(gè)源圖像信息的先進(jìn)圖像處理技術(shù)，其目的是集成多個(gè)源圖像中的冗余信息和互補(bǔ)信息，以強(qiáng)化圖像中的信息、增加圖像理解的可靠性。圖像融合的目的包括以下幾個(gè)方面:1)降低圖像噪聲一般而言，從傳感器得到的圖像都是有噪圖像，而后續(xù)的圖像處理一般要求噪聲在一定范圍內(nèi)，因此，可以采用融合的方法來降低噪聲，提高信噪比。對(duì)于這種方法一般采用峰值信噪比作為評(píng)價(jià)標(biāo)準(zhǔn)。2)提高分辨率提高分辨率也是圖像融合的一個(gè)重要目的，有時(shí)從衛(wèi)星得到的紅外圖像的分辨率不高，這就要求用其它傳感器得到圖像(如光學(xué)圖像，合成孔徑圖像)與紅外圖像進(jìn)行融合來提高分辨率。對(duì)于這種方法的融合效果評(píng)價(jià)可采用圖像的標(biāo)準(zhǔn)差作為評(píng)價(jià)標(biāo)準(zhǔn)。3)提高信息量在傳輸圖像，圖像特征提取等方面需要提高信圖像的信息量。圖像融合是提高信息量的一個(gè)重要手段。對(duì)于融合圖像的信息量是否提高，我們可采用嫡、交叉墑、互信息量作為評(píng)價(jià)標(biāo)準(zhǔn)的。4)提高清晰度在圖像處理中，往往需要在保持原有信息不丟失的情況下，提高圖像的質(zhì)量、增強(qiáng)圖像的細(xì)節(jié)信息和紋理特征、保持邊緣細(xì)節(jié)及能量，這對(duì)于一般的圖像增強(qiáng)很難辦到，因此需要采用圖像融合的辦法，這時(shí)，對(duì)融合效果的評(píng)價(jià)可采用基于梯度和小波能量的評(píng)價(jià)方法。 融合圖像技術(shù)概括 融合總流程圖32 圖像融合分層圖像的融合過程可以發(fā)生在信息描述的不同層。通常將圖像融合分為像素級(jí)、特征級(jí)和決策級(jí)。一但是通常在一個(gè)融合過程中這三層的融合是可以同時(shí)發(fā)生的。融合過程的輸入信息可以是三層中的任何一種，經(jīng)過一個(gè)混和方法，輸出也可以是三層中的任何一種。素級(jí)圖像融合方法是最重要、最基本的圖像融合方法，其信息損失最小，分類性能最好，但是融合方法也是最難的。像素級(jí)融合是將各幅源圖像或者源圖像的變換圖像中的對(duì)應(yīng)像素進(jìn)行融合，從而獲得一幅新的圖像。參加融合的源圖像可能來自多個(gè)不同類型的圖像傳感器，也可能來自單一圖像傳感器。單一圖像感器提供的各個(gè)圖像可能來源于不同觀測(cè)時(shí)間或空間，也可能來自同一時(shí)間、間不同光譜特性的圖像(如多光譜照相機(jī)獲得的圖像)。像素級(jí)圖像融合是為了充、豐富和強(qiáng)化融合圖像中的有用信息，使融合圖像更符合人或者機(jī)器的視覺征，更有利于對(duì)圖像的進(jìn)一步分析和處理(如圖像分割，特性提取，目標(biāo)檢測(cè)目標(biāo)識(shí)別等)，是特征級(jí)和決策級(jí)融合的基礎(chǔ)。與每個(gè)源圖像相比，通過像素級(jí)圖像融合后的圖像包含的信息更豐富、精確、可靠、全面。像素級(jí)圖像融合可能提供最優(yōu)決策和識(shí)別性能。但是像素級(jí)的圖像融合也具有明顯的局限性:它所要處理的圖像數(shù)據(jù)量最大。這種融合是在信息的最低層進(jìn)行的，傳感器原始信息不確定性、不完全性和不穩(wěn)定性要求在融合時(shí)有較高的糾錯(cuò)處理能力。要求各傳感器信息之間有精確到一個(gè)像素的配準(zhǔn)精度。數(shù)據(jù)通信量大，抗干擾能力差。特征級(jí)圖像融合屬于中間層次融合，它首先對(duì)來自傳感器的原始信息進(jìn)行特征(如邊沿、形狀、輪廓、方向、區(qū)域和距離等)提取，產(chǎn)生特征矢量，然后對(duì)特征矢量進(jìn)行融合處理，并做出基于融合特征矢量的融合說明。一般來說，提取的特征信息應(yīng)該是像素信息的充分表示量或充分估計(jì)量，然后按照特征信息對(duì)多傳感器數(shù)據(jù)進(jìn)行分類、匯集和綜合。特征級(jí)圖像融合涉及圖像分割、特征提取和特征層的信息融合。特征級(jí)融合可以分為兩大類:目標(biāo)狀態(tài)融合和目標(biāo)特性融合。特征級(jí)目標(biāo)狀態(tài)信息融合主要應(yīng)用于多傳感器目標(biāo)跟蹤領(lǐng)域， 其融合處理主要實(shí)現(xiàn)參數(shù)相關(guān)和狀態(tài)矢量估計(jì)。特征級(jí)目標(biāo)特性融合就是特征層的聯(lián)合目標(biāo)識(shí)別，其仍然要融合方法中仍然要用到模式識(shí)別的相關(guān)技術(shù)，只是在融合處理前必須對(duì)特征進(jìn)行相關(guān)處理，對(duì)特征矢量進(jìn)行分類與綜合。更為重要的是，在模式識(shí)別、圖像處理和計(jì)算機(jī)視覺等領(lǐng)域，人們已經(jīng)對(duì)特征提取和基于特征的聚類問題進(jìn)行了深入的研究。特征級(jí)融合的優(yōu)點(diǎn)在于實(shí)現(xiàn)了客觀的信息壓縮，有利于實(shí)時(shí)處理，并且由于所提供的特征直接與決策分析有關(guān)，因此融合結(jié)果能夠最大限度的給出決策分析所需要的特征信息，其缺點(diǎn)是比像素級(jí)融合精度差。決策級(jí)融合屬于最高層次的融合，包含了檢測(cè)、分類、識(shí)別和融合。它首先對(duì)每個(gè)數(shù)據(jù)進(jìn)行屬性說明，然后將其結(jié)果加以融合，得到目標(biāo)或環(huán)境的融合屬性說明，其結(jié)果為指揮控制決策提供依據(jù)。因此，決策級(jí)融合必須從具體決策問題的需求出發(fā)，充分利用特征級(jí)融合所提取的測(cè)量對(duì)象的各類信息，采用適當(dāng)?shù)娜诤霞夹g(shù)來實(shí)現(xiàn)。決策級(jí)融合是這三級(jí)融合里的最高層次，是直接針對(duì)具體決策目標(biāo)的，融合結(jié)果的好壞直接影響決策水平。在決策級(jí)圖像融合之前，每種傳感器己經(jīng)被獨(dú)立完成了決策和分類任務(wù)，融合工作實(shí)質(zhì)上是做出全局的最優(yōu)決策。決策級(jí)圖像融合的優(yōu)點(diǎn)表現(xiàn)為:它能在增加或減少一個(gè)或多個(gè)傳感器的情況下工作，對(duì)傳感器沒有特殊的要求，因此，它具有很強(qiáng)的容錯(cuò)性、很好的開放性、融合中心處理代價(jià)小，較短的處理時(shí)間等特點(diǎn)。同時(shí)由于處理的數(shù)據(jù)量較小，信息通信量小，抗干擾能力強(qiáng)，還能有效的反映環(huán)境或目標(biāo)各個(gè)側(cè)面的不同類型信息。但是，由于是最高級(jí)別的融合，需要以前面級(jí)別的融合結(jié)果作為輸入，所以預(yù)處理的代價(jià)非常高。 圖像融合算法 圖像融合方法大致可以分為三種:簡(jiǎn)單的圖像融合方法，基于塔式分解的圖像融合方法，基于小波變換的圖像融合方法。簡(jiǎn)單的圖像融合方法簡(jiǎn)單的圖像融合方法不對(duì)參加融合的源圖像進(jìn)行任何變換或者分解，而是直接對(duì)其取出的像素進(jìn)行選擇、平均或加權(quán)平均等簡(jiǎn)單處理后合成一幅融合圖像。這些方法包括:(1)加權(quán)疊加和主元分析法(PCA):最直接的融合方法就是對(duì)多幅輸入的源圖像進(jìn)行加權(quán)，再將加權(quán)后的圖像疊加一起加權(quán)系數(shù)的最優(yōu)化是通過對(duì)所有源圖像進(jìn)行主元分析，分析各個(gè)圖像種的信息量的和去除冗余來得到的。通過對(duì)源圖像進(jìn)行迭代后求得圖像的自相關(guān)矩陣，對(duì)此自相關(guān)矩陣進(jìn)行主元分析，每一幅圖像的加權(quán)值可以取特征向量對(duì)應(yīng)的最大特征值。(2)色度空間融合:也就是從原始圖像的色度空間作線性變換得到融合圖像的違彩色表示。例如Nicho1Son提出一種將三J隔不同得紅外圖像線性變換到RGB色度空間中。簡(jiǎn)單的圖像融合具有實(shí)現(xiàn)簡(jiǎn)單、融合速度快的特點(diǎn)。在某些特定的圖像融合應(yīng)用場(chǎng)合，簡(jiǎn)單的圖像融合方法也是可以獲得較好的融合效果的。但是在很多情況下，這些簡(jiǎn)單的圖像融合方法是無法獲得令人滿意的效果的?；谒椒纸獾膱D像融合方法80年代中期，開始出現(xiàn)基于塔式分解的圖像融合方法。研究表明，在圖像得變換域進(jìn)行融合能取得更好的效果，而塔式分解正是變換域的一種算法?；谒椒纸獾娜诤戏椒ㄊ窍葘?duì)參加融合的各個(gè)源圖像分別進(jìn)行塔式分解，對(duì)塔式分解后的圖像按照一定的規(guī)則進(jìn)行融合，再進(jìn)行逆塔式變換得到融合圖像。常用的圖像塔式分解有Burt提出的拉普拉斯塔式分解TOet提出的低通比率塔式分解?；谛〔ㄗ儞Q的圖像融合方法基于小波變換的圖像融合方法是先對(duì)參加融合的各個(gè)源圖像分別進(jìn)行圖像的小波分解，形成各自的多尺度描述。然后，在各個(gè)小波分解圖像的相應(yīng)子圖像上按照一定的融合規(guī)則進(jìn)行融合，形成融合后的圖像的多尺度描述。最后，進(jìn)行逆小波變換重構(gòu)融合后的圖像。圖像的小波分解也是一種圖像的多尺度、多分辨率分解，可以看作是一種特殊的圖像的塔式分解，但是小波是非冗余的，使得圖像經(jīng)過小波分解后的數(shù)據(jù)總量不會(huì)增大。同時(shí)，小波分解有方向性，利用這一特性就可能針對(duì)人眼對(duì)不同方向的高頻分量具有不同分辨率這一視覺特性，獲得效果更佳的融合圖像。根據(jù)小波變換本身的特征可以看出:基于小波變換的圖像融合方法具有更大的優(yōu)越性?；谛〔ㄗ儞Q的圖像融合是當(dāng)前圖像融合的熱點(diǎn)，在計(jì)算機(jī)視覺、遙感、醫(yī)學(xué)圖像處理等領(lǐng)域都有廣泛的應(yīng)用。 VC環(huán)境下融合的C++實(shí)現(xiàn) 融合的程序方案設(shè)計(jì)1 總體設(shè)計(jì) 程序解決方案2 程序頭文件 VC環(huán)境下融合的程序的框架VC環(huán)境下融合的部分程序的框架/////////////////////////////////////////////////////////////////////////////// CMainFrameIMPLEMENT_DYNCREATE(CMainFrame, CFrameWnd)BEGIN_MESSAGE_MAP(CMainFrame, CFrameWnd) //{{AFX_MSG_MAP(CMainFrame) // NOTE the ClassWizard will add and remove mapping macros here. // DO NOT EDIT what you see in these blocks of generated code ! ON_WM_CREATE() ON_COMMAND(IDM_DEVIOR, OnDevior) ON_COMMAND(IDM_KROMO, OnKromo) ON_COMMAND(IDM_XPBLUE, OnXpblue) ON_UPDATE_COMMAND_UI(IDM_KROMO, OnUpdateKromo) ON_UPDATE_COMMAND_UI(IDM_XPBLUE, OnUpdateXpblue) //}}AFX_MSG_MAPEND_MESSAGE_MAP()static UINT indicators[] ={ ID_SEPARATOR, // status line indicator ID_INDICATOR_CAPS, ID_INDICATOR_NUM, ID_INDICATOR_SCRL,// CMainFrame message handlersBOOL CMainFrame::OnCreateClient(LPCREATESTRUCT lpcs, CCreateContext* pContext) { if (!(this, 1, 3)) { TRACE0(Failed to CreateStaticSplitter\n)。 return FALSE。 } (0, 520, 0)。 //(0,pDocGetDocSize().cx+20,10)。 // create the two views inside the nested splitter int cyText = max(lpcscy 70, 20)。 // height of text pane RECT r。 GetClientRect(amp。r)。 int nCx=()/2。 int nCy=()。 if (!(0, 0, RUNTIME_CLASS(CPixelFusionView), CSize(300, nCy), pContext))//RUNTIME_CLASS(CErPaoProjectView) { TRACE0(Failed to create first pane\n)。 return FALSE。 }// the default view if (!(0, 1, RUNTIME_CLASS(CSegmentView), CSize(nCx, nCy), pContext)) { TRACE0(Failed to create second pane\n)。 return FALSE。 } // add the third splitter pane the text view in row 1 if (!(0, 2, RUNTIME_CLASS(CFusionView), CSize(0, cyText), pContext)) { TRACE0(Failed to create third pane\n)。 return FALSE。 } SetActiveView((CView*)(0,0))。 return TRUE。}void CMainFrame::ActivateFrame(int nCmdShow) { // TODO: Add your specialized code here and/or call the base class nCmdShow = SW_SHOWMAXIMIZED。 CFrameWnd::ActivateFrame(nCmdShow)。//使子框架最大 //CFrameWnd::ActivateFrame(nCmdShow)。} VC環(huán)境下融合的部分程序源代碼// The system calls this function to obtain the