【正文】 2．仿射（ affine）：將平行線轉(zhuǎn)換成平行線。 當(dāng)輸入輸入圖像與參考圖像對比，只是存在全局的平移、旋轉(zhuǎn)、縮放或其三者組合的差別時（正方形仍對應(yīng)正方形），選擇此配準(zhǔn)方法。 1．線性正投影（ linear conformal）：最簡單。 假設(shè) input image（輸入圖像）為欲進(jìn)行配準(zhǔn)的圖像， base image 為配準(zhǔn)是的參考圖像。 利用 Matlab Image Processing Toolbox 中的圖像配準(zhǔn)工具實現(xiàn)線性正投影、仿射、投影、多項式、分段線性、局部加權(quán)平均配準(zhǔn)的過程。 圖像處理工具箱（ Matlab Image Processing Toolbox） 提供 了 一套全方位的參照標(biāo)準(zhǔn)算法和圖形工具，用于進(jìn)行圖像處理、分析、可視化和算法開發(fā)。 按自動化程度可以分為人工、半自動和全自動三種類型 。對于非特征像素點利用插值等方法處理，推算出對應(yīng)的匹配關(guān)系，從而實現(xiàn)多幅圖像之間逐像素的配準(zhǔn)。在特征匹配前，首先要從待匹配的多幅圖像中提取出灰度變化明顯的點、線、區(qū)域等特征，組成特征集。將從圖像灰度中提取出來的某些顯著特征作為匹配基元，用于匹配的特征通常為點、線、區(qū)域等。該方法不需要對圖像作特征提取，直接利用全部可用的圖像灰度，提高了配準(zhǔn)算法的估計精度和魯棒性，但是由于匹配點周圍區(qū)域的點的灰度都參與計算，因此，其 計算量大，速度慢。 按照配準(zhǔn)算法所利用的圖像信息，可以分為 以下兩類 （ 1） 基于灰度的圖像配準(zhǔn)方法。圖像配準(zhǔn)算法就是設(shè)法建立兩幅圖像之間的對應(yīng)關(guān)系 ,確定相應(yīng)幾何變換參數(shù) ,對兩幅圖像中的一幅進(jìn)行幾何變換的方法。 其操作流程如下所示： 50， 60， 300， 100， 120， 80， 190，、 ↓→→ 順序排列象素灰度值 50,60,100,120,300, ↓ 用中間灰度值 100 代替原中間灰度值 300, 50,60,100,100,120,80,190，、 ↓ 右移窗口得 50， 60， 100， 100， 120， 80， 190，、 ↓→→ 順序排列象素灰度值 60， 80， 100， 100， 120 ↓ 中間灰度值 100 與原中間灰度值 100 相同，不用換 50， 60， 100， 100， 120， 80， 190，、 ↓ 右移窗口得 50， 60， 100， 100， 120， 80， 190， 、 這樣對圖像灰度的跳躍有平滑效果。窗口下移一行，再從左到右進(jìn)行。 畢業(yè)設(shè)計 其原理是 在圖像畫面中開一個一維的小窗口，它應(yīng)該包含奇數(shù)個像素，按像素的灰度值從小到大排列起來，然后用中間灰度值來代替原排列的中間像素的灰度值。 ② 不處理原始圖像 4個邊緣的像素，使處理后 4個邊緣的像素灰度保持原始灰度，或人為地賦予特殊灰度。用這種方法作平滑處理，圖像四周圍邊緣的像素需特殊處理。矩陣中心的元素值占的比例越小，平滑作用越強，會使圖像越模糊； ),( yxh 的作用域越大，平滑作用越強，亦導(dǎo)致圖像越模糊。 常用的 ),( yxh （低通濾波器的脈沖響應(yīng)函數(shù)）有 ??????????????????????????????121242121161,111121111101,11111111191 這里的作用域為 3 3，共有 9個像素灰度參加運算，用運算結(jié)果代替中心像素 ),( yx 的像素灰度。 鄰域平均法 鄰域平均法按 ),(),(),( yxhyxfyxg ?? 直接對圖像作低通濾波處理。常用的去噪方法主要有頻率域低通濾波法和基于小波變換法，其中小波去噪的方法大致 可分為基于小波變換模極大值原理、相鄰尺度間小波系數(shù)相關(guān)性以及閾值法三大類。常用的空間濾波去噪方法主要有均值濾波、中值濾波、維納濾波以及空間域低通濾波法，其中，維納濾波是一種自適應(yīng)的濾波方法，比一般的濾波器具有更好的選擇性，可以更好地保護(hù)圖像邊緣，尤其對加性高斯白噪聲的抑制效果很好。例如，按其產(chǎn)生的原因可分為外部噪聲和基于 MATLAB 的圖像融合算法 內(nèi)部噪聲；按噪聲服從的分布將其分為隨機噪聲（高斯噪聲）和椒鹽噪聲；根據(jù)噪聲與信號之間的關(guān)系分為加性噪聲和乘性噪聲等。但相同的是都會導(dǎo)致圖像失真，使圖像模糊，甚至掩蓋圖像的重要特征，給后續(xù)的圖像分析和處理帶來不利影響。能夠使圖像具有所需要的灰度分布，從而有選擇地突出所需要的圖像特征，來滿足人們的需要。針對圖像某一部分或整幅圖像曝光不足使用灰度變換，其目的是增強圖像灰度對比度。針對圖像成像不均勻如曝光不均勻，使圖像半邊暗半邊亮，對圖像逐點進(jìn)行不同程度的灰度級校正 ,目的是使整幅圖像灰度均勻。 輸 入原 始數(shù) 字圖 像準(zhǔn)備工作建 立糾 正變 換函 數(shù)確 定輸 出影 視范 圍逐 個 像素 的 幾何 位 置變 換像 素亮 度值 重采 樣輸 出糾 正后 的圖 像 圖 21 幾何校正處理過程 （ 2）灰度校正 根據(jù)圖像不同失真情況以及所需的不同圖像特征可以采用不同的修正方法。 幾何校正的基本方法是：首先建立幾何校正的數(shù)學(xué)模型；其次利用已知條件確定模型參數(shù)；最后根據(jù)模型對圖像進(jìn)行幾何校正。 圖像的校正 圖像校正主要分為兩類：幾何校正和灰度校正。為了避免噪聲的傳播擴(kuò)散，使后面圖像融合的質(zhì)量和性能下降，必須在融合前對源圖像進(jìn)行幾何校正、去噪和增強處理。涉及圖像融合 前的預(yù)處理，濾波去噪和圖像配準(zhǔn)，采取手動配準(zhǔn)獲取精準(zhǔn)的配準(zhǔn)圖像，在空域內(nèi)的像素級圖像融合采用簡單直接的加權(quán)平均法，在頻域內(nèi)的小波變換融合，最后對融合結(jié)果進(jìn)行評價。尤其是近幾年，多傳感器 (多源 )圖像融合技術(shù)己成為計算機視覺、自動目標(biāo)識別、機器人、軍事應(yīng)用等領(lǐng)域的熱點研究問題。 到 80 年代末，人們才開始將圖像融合技術(shù)應(yīng)用于一般圖像處理 (可見光圖像、紅外圖像等 )。這個時期人們采用的融合方法主要有 IHS變換、平均、加權(quán)平均、差分及比率、主分量分析 (PCA)、高通濾波等。 90 年代開始，圖像融合技術(shù)開始成為遙感圖像處理和分析中的研究熱點之一。 1981 年， Laner 和 Todd 對LandsatRBV 和 Mss 圖像數(shù)據(jù)進(jìn)行了融合試驗。由于像素級圖像融合在整個圖像融合技術(shù)中是最為復(fù)雜、實施難度最大的融合，因而本論文重點對它進(jìn)行探討和研究。源圖像經(jīng)預(yù)處理后，接下來就是根據(jù)具體的應(yīng)用目的不同，采用不同的融合算法對多個源圖像在不同的層次上進(jìn)行融合處理，同時還要對融合結(jié)果進(jìn)行質(zhì)量評價，形成具有反饋的系統(tǒng)，從而有利于選擇最為合適的融合方式以得到最優(yōu)的融合結(jié)果。因此，圖像融合本質(zhì)上是一個由低(層 )至高 (層 )對多源信息融合、逐層抽象的信息處理過程。 圖像融合的步驟 對于某個具體的圖像融合系統(tǒng)而言，它所接受的信息可以是單一層次上的信息，也可以是幾種層次上的信息。 到 80 年代中期，人們又提出了基于金字塔的圖像融合方法 ，其中包括拉普拉斯金字塔、梯度金字塔、比率低通金字塔等，并開始將圖像融合技術(shù)應(yīng)用于一般圖像 (可見光圖像、紅外圖像、多聚焦圖像、遙感圖像等 )的處理。其采取的融合方法主要有 IHS(明度 色度 飽和度 :IntensityHuesaturation)變換、平均、加權(quán)平均、差分及比率、高通濾波等。圖像融合的三個層次不僅能夠獨立進(jìn)行，而且它們有著密切相關(guān)性，還可以作為一個整體同時進(jìn)行分層次融合，前一級的融合結(jié)果可作為后一級的輸入。 數(shù) 據(jù) 1屬 性 說 明決策級融合特征提取關(guān)聯(lián)校準(zhǔn)聯(lián)合的屬性說明數(shù) 據(jù) 2數(shù) 據(jù) n、。決策級融合方法主要是基于認(rèn)知模型的方法，需要大型數(shù)據(jù)庫和專家決策系統(tǒng)，進(jìn)行分析、推理、識別和判決。 圖 14 特征級數(shù)據(jù)融合原理示意圖 畢業(yè)設(shè)計 (3)決策級圖像融合 決策級圖像融合是一種更高層次的信息融合，其結(jié)果將為各種控制或決策提供依據(jù)。盡管在模式識別、圖像處理和計算機視覺等領(lǐng)域，已經(jīng)對特征提取和基于特征的圖像分類、分割等問題進(jìn)行了深入的研究，但是這一問題至今仍是困擾計算機視覺研究領(lǐng)域的一個難題，有待于從融合角度進(jìn)一步研究和提高。一般從源圖像中提取的典型特征信息有 :線型、邊緣、紋理、光譜、相似亮度區(qū)域、相思景深區(qū)域等。特征級融合屬于中間層次的信息融合，它既保留了足夠數(shù)量的重要信息，又可對信息進(jìn)行壓縮，有利于實時處理。 數(shù) 據(jù) 1特征提取關(guān)聯(lián)像素級融合校準(zhǔn)聯(lián)合的屬性說明數(shù) 據(jù) 2數(shù) 據(jù) n、。在進(jìn)行像素級圖像融合之前，必須對參加融合的各圖像進(jìn)行精確的配準(zhǔn)，其配準(zhǔn)精度一般達(dá)到像素級，因此，像素級融合是圖像融合中最為復(fù)雜且實施難度最大的融合。像素級圖像融合是直接在原始數(shù)據(jù)層上進(jìn)行的融合，該層次的融合準(zhǔn)確性最高，能夠提供其它層次上的融合處理所不具有的更豐富、更精確、更可靠的細(xì)節(jié)信息，有利于圖 像的進(jìn)一步分析、處理與理解。 特征分類數(shù) 據(jù) 項 處 理 ：去 噪 、 幾 何 校 正、 灰 度 校 正圖像配準(zhǔn)數(shù) 據(jù) 1數(shù) 據(jù) 2數(shù) 據(jù) n像 素 級 融 合 ：H I S 方 法P C A 方 法金 字 塔 方 法小 波 變 換 法特征提取特 征 級 融 合 ：B a y e s i a n 方 法D S 方 法神 經(jīng) 網(wǎng) 絡(luò) 方 法 等特征識別決 策 級 融 合 ：B a y e s i a n 方 法神 經(jīng) 網(wǎng) 絡(luò) 法模 糊 聚 類 法專 家 系 統(tǒng) 等 圖 12 三個不同層次上的多源圖像融合示意圖 基于 MATLAB 的圖像融合算法 (1)像素級圖像融 像素級圖像融合是在嚴(yán)格配準(zhǔn)的條件下，對各圖像傳感器輸出的信號，直接進(jìn)行信息的綜合與分析。 融合的層次不同，所采用的算法、適用的范圍也不相同。在各種融合應(yīng)用中，由于應(yīng)用目的、所處理的輸入數(shù)據(jù)及融合處理前對數(shù)據(jù)預(yù)處理程度不同，使得融合系統(tǒng)在不同層次上對多源數(shù)據(jù)進(jìn)行處理，每個層次表示不同的數(shù)據(jù)抽象級別。 圖像融合的主要研究內(nèi)容 圖像融合的層次 圖像融合是采用某種算法對兩幅或多幅不同的源圖像進(jìn)行綜合處理，最終形成一幅新的圖像。 (5)利用來自其它傳感器的圖像來代替 /彌補某一傳感器圖像中的丟失 /故障信息。 (3)通過不同時刻的圖像序列融合來檢測場景 /目標(biāo)的變化情況 。 目前，將圖像融合技術(shù)應(yīng)用于數(shù)字圖像處理的主要目的有以下幾種 : (1)增加圖像中有用信息的含量，改善圖 像的清晰度，增強在單一傳感器圖像中無法看見 /看清的特性 。同時，使系統(tǒng)具有良好的魯棒性，例如，可以增加置信度、減少模糊性、改善分類性等。以兩個 傳感器 A、 B 為例，其信息構(gòu)成的示 意圖如圖 11 所示。 圖像融合的形式 大致 可分為 以下 3 種 ： (l)多傳感器不同時獲取的圖像的融合 ； (2)多傳感器同時獲取的圖像的融合 ； (3)單一傳感器不同時間，或者不同環(huán)境條件下獲取的圖像的融合。它是一門綜合了傳感器、圖像處理、信號處理、顯示、計算機和人工智能等技術(shù)的現(xiàn)代高新技術(shù)。 本 章首先介紹了多傳感器圖像融合的基礎(chǔ)理論及發(fā)展現(xiàn)狀，在此基礎(chǔ)上介紹 了像素級圖像融合方法的原理及應(yīng)用，最后，給出論文的內(nèi)容安排。 圖像融合的方法與具體的處理對象類型、處理等級有關(guān)。圖像融合的目的是充分利用多個待融合源圖像中包含的冗余信息和互補信息，融合后的圖像應(yīng)該更適合于人類視覺感知或計算機后續(xù)處理，減少不確定性。 關(guān)鍵詞 ： 圖像配準(zhǔn) ； 圖像融合 ； 空域融合法 ； 小波變換 ； 評價標(biāo)準(zhǔn) 基于 MATLAB 的圖像融合算法 MATLABbased image fusion algorithm Abstract The same object gotten from different sensors can be registered spatially by mage fusion. The information advantages or the plements of all the image data can be bined to produce new image data using some fusion algorithms. The new data can describe the optimized information of the studied object. Compare