圖像融合技術(shù)在圖形融合中的應(yīng)用研究

李萌萌

摘 要 信息融合技術(shù)是一門在一定準則下，研究利用計算機信息技術(shù)對多源信息進行自動處理、分析和綜合的高新技術(shù)學(xué)科，利用合適的數(shù)據(jù)聯(lián)合方法和數(shù)據(jù)分析工具，合成融合所需的信息，為最終的實驗結(jié)果提供數(shù)據(jù)支持。基于RGB顏色模型的圖形融合算法，首先利用網(wǎng)格采樣離散化圖形數(shù)據(jù)，然后將分解成像素級的融合單元進行分類分析并應(yīng)用于相應(yīng)圖形進行融合處理，最后利用顏色差異性的特征來進行加權(quán)融合處理，并使用小波變換或中值濾波技術(shù)消除融合噪聲，充分利用各圖層的容易信息，避免圖形疊加。

關(guān)鍵詞 疊加圖形；圖形融合；網(wǎng)格采樣；加權(quán)平均

中圖分類號：TP391 文獻標識碼：A 文章編號：1671-7597（2014）06-0036-02

在這個大數(shù)據(jù)時代，圖形技術(shù)的要求不斷提高，為數(shù)據(jù)的處理提出了更高的要求。例如，空中交通管制處理的云圖數(shù)據(jù)，要求能夠接收并處理多部氣象雷達通道和云圖數(shù)據(jù)，同時采集到多幅圖像應(yīng)綜合成一幅完整的系統(tǒng)融合圖像。現(xiàn)有的系統(tǒng)綜合圖形顯示方式將不同圖形疊加部分進行分層顯示，以顏色最深最強的為基準。但是該方式都是忽略掉了實際應(yīng)用中人眼的視覺特征和目標的實際特征，因為實際的圖形是不能以單一的顏色來表示的，并且分布疏密也不是統(tǒng)一的。本文利用圖像融合技術(shù)，結(jié)合小波變換解決了該問題。

1 基于像素級圖像融合的擴展介紹

什么是圖像的像素級融合呢，它是指圖像處理直接在采集到的原始圖像上進行數(shù)據(jù)的融合，直接對圖像的像素點進行信息的綜合分析。基于像素基礎(chǔ)上的融合方法，主要是對像素點的圖像坐標直接進行差值、梯度、加權(quán)平均、比值運算、多元回歸等數(shù)學(xué)運算。例如多元回歸分析是一種將圖像信息變量的進行多元統(tǒng)計分析的一種數(shù)理統(tǒng)計計算方法。多元回歸的基本思想是：即使自圖像坐標變量和圖像矩陣因子變量之間沒有確定性、嚴格的函數(shù)關(guān)系，但可以根據(jù)回歸運算可以找出最能代表它們變量關(guān)系的數(shù)學(xué)表達形式。多元回歸結(jié)果可作為新圖像在該空間位置上的像素坐標。該方法的優(yōu)點是融合的結(jié)果圖形中仍能保持多幅采集圖像的原始特征，可以用來為下一步圖像處理提供更多的圖形特性信息，實現(xiàn)更加精確地定位。

假如將像素級融合過程中的融合像素坐標擴展為多像素坐標的矩陣單元，就可實現(xiàn)圖形顏色的融合，也就實現(xiàn)了圖形融合處理。其融合流程如圖1。

圖1 圖形融合流程

2 實現(xiàn)圖形的網(wǎng)格采樣

采集到的圖像數(shù)據(jù)時間和世界坐標系坐標對多個坐標數(shù)據(jù)進行相關(guān)處理，然后將坐標轉(zhuǎn)換到圖像平面坐標下完成圖像的空間坐標和圖像坐標的轉(zhuǎn)換。但因為不同圖像的深度不同，故表示的顏色也不盡相同，但在實際應(yīng)用中要想表示圖像無法足夠精確到圖像的每一個像素點，只能以融合的圖像坐標表示圖形。在這里，我們利用馬賽克方法對圖形進行采樣，具體的算法步驟如下。

1）根據(jù)圖像圖形邊界各像素點計算出圖形的凸包矩形值。

2）在凸包矩形內(nèi)，定義最小為2像素數(shù)值的子矩形按照物理意義上的上下，左右順序進行掃描，定義起始掃描點，同時設(shè)置終止掃描點。

3）在2單位的最小矩形中，根據(jù)圖形深度賦值相應(yīng)顏色并保存為單位像素。

該算法同掃描線種子填充算法原理相同，區(qū)別是本算法填充單位是最小單位為2的像素小矩形，而不再是單個的像素點。單位像素小矩形組成圖形像素的集合，完成圖形采樣。這種處理結(jié)果就是不可避免的在對圖形進行掃描采樣時引起鋸齒狀走樣現(xiàn)象。這種情況可利用不加權(quán)的圖像坐標計算面積，即假設(shè)該圖形所覆蓋的該小方格的面積的份額同圖形邊界對小方格顏色值的貢獻成正比關(guān)系。即完全覆蓋的方格顏色不發(fā)生變花，部分覆蓋的方格則根據(jù)面積的正比值進行相應(yīng)的變換處理，進行正比賦值。這樣可使圖像變得平滑美觀的多，并且在允許的誤差內(nèi)得到采樣結(jié)果。圖2為未配色的多邊形的采樣結(jié)果。

圖2 圖形采樣效果圖

3 圖形融合

在采集的圖像進行像素數(shù)據(jù)的網(wǎng)格采樣后，得到采樣圖形的二位數(shù)據(jù)表示矩陣：，其中表示矩形起始點坐標，表示矩陣起始點坐標坐標，表示該矩形采樣信息的顏色深度。此處可利用圖像永和來完成圖形色彩的融合，完成圖形信息確定。

3.1 完成圖形的求交運算

完成單幅圖像的采樣融合之后，采集到的不同圖像之間的同一世界坐標系坐標點的圖形采用了相同的網(wǎng)格定位和系統(tǒng)采樣，即數(shù)據(jù)的坐標原點相同，因此圖形的融合求交運算就可轉(zhuǎn)化為集合和集合之間的求交運算。圖形的疊加融合部分表示為：

求交過程見圖3，這樣得到的近視圖像疊加部分的采樣信息，顏色融合可作出相應(yīng)的正比處理。

圖3 圖形的求交運算

3.2 巧妙利用加權(quán)平均實現(xiàn)圖形融合

多圖像融合加權(quán)平均是最簡單的融合方法，就是對同一坐標系下的像素點坐標進行加權(quán)平均得到融合之后的像素坐標點。

加權(quán)平均圖像融合的關(guān)鍵點事選擇合理的加權(quán)平均的權(quán)值，此處，將兩幅圖像中深度信息差別最大的像素點坐標作為局部權(quán)值，設(shè)定權(quán)值最大值為1，若權(quán)值小于1，則設(shè)定為0。

該方法是簡單宜行，數(shù)據(jù)計算量較少，最適合圖像數(shù)據(jù)的實時處理，但該方法會減少處理結(jié)果的信噪比，圖像融合的結(jié)果會出現(xiàn)明顯的拼接區(qū)別痕跡，對數(shù)據(jù)的后續(xù)處理產(chǎn)生不可逆轉(zhuǎn)的誤差。本文采用了適當?shù)母倪M，使RGB顏色模型提出二次糾正，糾正顏色模型，對各顏色分量分別進行分量融合，改進的顏色融合公式如下：

3.3 中值濾波消除融合噪聲影響

對各顏色分量進行分布融合會造成圖像融合結(jié)果的矩形方格顏色突變，出現(xiàn)噪聲污染，例如孤立噪聲--椒鹽噪聲。為了減少數(shù)字圖像處理中的噪聲影響，借助于中值濾波技術(shù)減少噪聲，均勻噪聲影響。中值濾波表示公式如下：

4 小波變換提高融合效果

小波變換是圖形圖像處理中新發(fā)展起來的一種數(shù)學(xué)學(xué)科，小波變換在圖像融合中的利用，可以提高圖形融合的準確度。與傅里葉變換不能用于數(shù)據(jù)的局部分析特性相比較，小波變換運算可適用于局部空間和二位圖像的運算，圖像坐標值在圖形坐標系中的小波變換可兩個參量：坐標的符號和坐標原點的選取，圖像的小波變換可把中值濾波處理的圖像坐標分解成坐標組，用歸一化的坐標表示圖像。endprint

（1）

凡是滿足式（1）所表示的函數(shù)被叫做基小波函數(shù)。經(jīng)過伸縮因子和平移因子的變換得到：

（2）

叫做小波函數(shù)，其中是伸縮因子，是平移因子。

從式（2）可以看出，小波變換函數(shù)有以下性質(zhì)。

1）兩種函數(shù)都是帶通函數(shù)。

2）存在零均值為基準的波動性。

3）基于無窮坐標考慮，小波函數(shù)在在圖像的無窮遠點，數(shù)值為0，也就是融合誤差為零（其中，兩種函數(shù)的坐標變換都是局部化的）。

基于小波變換的序列圖像融合原理為：

我們假設(shè)在序列圖像融合之前，圖像已經(jīng)完成了坐標求交運算，利用加權(quán)平均及中值濾運算得到了小波函數(shù)和基小波函數(shù)。小波變換是對圖像在不同的序列信道上進行處理，分別將源序列圖像進行小波分解，得到處理后的變換序列子圖像，統(tǒng)一坐標后在同一變換域上進行特征選擇，創(chuàng)建融合圖像，通過矩陣逆運算得到融合圖像結(jié)果。

基于小波變換的序列圖像融合步驟為：

1）對提取的序列圖像匹配原圖像分別進行小波分解，對圖像含有的各自的坐標信息進行分離。

2）結(jié)合序列子圖像分解層分別作融合變換處理，各子圖像上的不同坐標分量可使用不同的權(quán)值進行融合運算。

3）對融合后的子圖像序列在各自的圖像坐標分量上進行小波逆運算，實現(xiàn)圖像重構(gòu)，得到融合結(jié)果。

經(jīng)過小波變換后的圖像坐標子分量包含了人眼對圖像內(nèi)容的感知主要部分；同時能夠很好地反映出融合圖像的細節(jié)信息和結(jié)構(gòu)信息，如直線、邊緣、頂點等，其對人類的視覺有很大的影響。

5 實驗結(jié)果

本文利用圖像處理中的中值濾波和小波變換等技術(shù)，將疊加的圖像序列進行疊加融合處理，在圖像疊加和分層的基礎(chǔ)上，綜合考慮圖像坐標信息，處理得到完整的融合圖形信息。如圖4為未處理的疊加圖形，圖5為融合處理的圖形效果。

圖4 未處理效果

圖5 圖形處理效果

通過對圖形的網(wǎng)格采樣，利用最小像素矩形單位完成圖形的求交運算，巧妙的利用加權(quán)平均實現(xiàn)圖像的拼接融合，利用中值濾波技術(shù)充分利用圖形冗余信息，結(jié)合小波變換提高圖形坐標數(shù)據(jù)融合的效果。本文對采集圖像的融合效果較好，但圖形網(wǎng)格的利用使得融合顯示出現(xiàn)鋸齒狀誤差，但采用適當?shù)男拚杀ＷC算法誤差不會造成太大的影響，實驗結(jié)果表明，本方法魯棒性強，精確度較高。

參考文獻

[1]毛士藝，趙魏.多傳感器圖像融合技術(shù)綜述[J].北京航空航天大學(xué)學(xué)報，2002，28（5）：512-518.

[2]唐澤圣，等.計算機圖形學(xué)基礎(chǔ)[M].北京：清華大學(xué)出版社，1995.

[3]姜慶娟，譚景信.像素級圖像融合方法與選擇[J].計算機工程與應(yīng)用，2003，39（25）：117-120.

[4]夏明革，何友，等.多傳感器圖像融合綜述[J].電光與控制，2002，9（4）：1-7.

[5]蔣曉瑜，高稚允.像素級多分辨圖像融合若干問題分析及實驗[J]紅外技術(shù)，2003，25（4）：49-52.

[6]江東，王鈺，等.多源圖像融合的理論與技術(shù)[J].甘肅科學(xué)學(xué)報，2002，14（1）：41-45.

[7]何賦，馬天予，等.Visual C++數(shù)字圖像處理[M].人民郵電出版社，2002.endprint

（1）

凡是滿足式（1）所表示的函數(shù)被叫做基小波函數(shù)。經(jīng)過伸縮因子和平移因子的變換得到：

（2）

叫做小波函數(shù)，其中是伸縮因子，是平移因子。

從式（2）可以看出，小波變換函數(shù)有以下性質(zhì)。

1）兩種函數(shù)都是帶通函數(shù)。

2）存在零均值為基準的波動性。

3）基于無窮坐標考慮，小波函數(shù)在在圖像的無窮遠點，數(shù)值為0，也就是融合誤差為零（其中，兩種函數(shù)的坐標變換都是局部化的）。

基于小波變換的序列圖像融合原理為：

我們假設(shè)在序列圖像融合之前，圖像已經(jīng)完成了坐標求交運算，利用加權(quán)平均及中值濾運算得到了小波函數(shù)和基小波函數(shù)。小波變換是對圖像在不同的序列信道上進行處理，分別將源序列圖像進行小波分解，得到處理后的變換序列子圖像，統(tǒng)一坐標后在同一變換域上進行特征選擇，創(chuàng)建融合圖像，通過矩陣逆運算得到融合圖像結(jié)果。

基于小波變換的序列圖像融合步驟為：

1）對提取的序列圖像匹配原圖像分別進行小波分解，對圖像含有的各自的坐標信息進行分離。

2）結(jié)合序列子圖像分解層分別作融合變換處理，各子圖像上的不同坐標分量可使用不同的權(quán)值進行融合運算。

3）對融合后的子圖像序列在各自的圖像坐標分量上進行小波逆運算，實現(xiàn)圖像重構(gòu)，得到融合結(jié)果。

經(jīng)過小波變換后的圖像坐標子分量包含了人眼對圖像內(nèi)容的感知主要部分；同時能夠很好地反映出融合圖像的細節(jié)信息和結(jié)構(gòu)信息，如直線、邊緣、頂點等，其對人類的視覺有很大的影響。

5 實驗結(jié)果

本文利用圖像處理中的中值濾波和小波變換等技術(shù)，將疊加的圖像序列進行疊加融合處理，在圖像疊加和分層的基礎(chǔ)上，綜合考慮圖像坐標信息，處理得到完整的融合圖形信息。如圖4為未處理的疊加圖形，圖5為融合處理的圖形效果。

圖4 未處理效果

圖5 圖形處理效果

通過對圖形的網(wǎng)格采樣，利用最小像素矩形單位完成圖形的求交運算，巧妙的利用加權(quán)平均實現(xiàn)圖像的拼接融合，利用中值濾波技術(shù)充分利用圖形冗余信息，結(jié)合小波變換提高圖形坐標數(shù)據(jù)融合的效果。本文對采集圖像的融合效果較好，但圖形網(wǎng)格的利用使得融合顯示出現(xiàn)鋸齒狀誤差，但采用適當?shù)男拚杀ＷC算法誤差不會造成太大的影響，實驗結(jié)果表明，本方法魯棒性強，精確度較高。

參考文獻

[1]毛士藝，趙魏.多傳感器圖像融合技術(shù)綜述[J].北京航空航天大學(xué)學(xué)報，2002，28（5）：512-518.

[2]唐澤圣，等.計算機圖形學(xué)基礎(chǔ)[M].北京：清華大學(xué)出版社，1995.

[3]姜慶娟，譚景信.像素級圖像融合方法與選擇[J].計算機工程與應(yīng)用，2003，39（25）：117-120.

[4]夏明革，何友，等.多傳感器圖像融合綜述[J].電光與控制，2002，9（4）：1-7.

[5]蔣曉瑜，高稚允.像素級多分辨圖像融合若干問題分析及實驗[J]紅外技術(shù)，2003，25（4）：49-52.

[6]江東，王鈺，等.多源圖像融合的理論與技術(shù)[J].甘肅科學(xué)學(xué)報，2002，14（1）：41-45.

[7]何賦，馬天予，等.Visual C++數(shù)字圖像處理[M].人民郵電出版社，2002.endprint

（1）

凡是滿足式（1）所表示的函數(shù)被叫做基小波函數(shù)。經(jīng)過伸縮因子和平移因子的變換得到：

（2）

叫做小波函數(shù)，其中是伸縮因子，是平移因子。

從式（2）可以看出，小波變換函數(shù)有以下性質(zhì)。

1）兩種函數(shù)都是帶通函數(shù)。

2）存在零均值為基準的波動性。

3）基于無窮坐標考慮，小波函數(shù)在在圖像的無窮遠點，數(shù)值為0，也就是融合誤差為零（其中，兩種函數(shù)的坐標變換都是局部化的）。

基于小波變換的序列圖像融合原理為：

我們假設(shè)在序列圖像融合之前，圖像已經(jīng)完成了坐標求交運算，利用加權(quán)平均及中值濾運算得到了小波函數(shù)和基小波函數(shù)。小波變換是對圖像在不同的序列信道上進行處理，分別將源序列圖像進行小波分解，得到處理后的變換序列子圖像，統(tǒng)一坐標后在同一變換域上進行特征選擇，創(chuàng)建融合圖像，通過矩陣逆運算得到融合圖像結(jié)果。

基于小波變換的序列圖像融合步驟為：

1）對提取的序列圖像匹配原圖像分別進行小波分解，對圖像含有的各自的坐標信息進行分離。

2）結(jié)合序列子圖像分解層分別作融合變換處理，各子圖像上的不同坐標分量可使用不同的權(quán)值進行融合運算。

3）對融合后的子圖像序列在各自的圖像坐標分量上進行小波逆運算，實現(xiàn)圖像重構(gòu)，得到融合結(jié)果。

經(jīng)過小波變換后的圖像坐標子分量包含了人眼對圖像內(nèi)容的感知主要部分；同時能夠很好地反映出融合圖像的細節(jié)信息和結(jié)構(gòu)信息，如直線、邊緣、頂點等，其對人類的視覺有很大的影響。

5 實驗結(jié)果

本文利用圖像處理中的中值濾波和小波變換等技術(shù)，將疊加的圖像序列進行疊加融合處理，在圖像疊加和分層的基礎(chǔ)上，綜合考慮圖像坐標信息，處理得到完整的融合圖形信息。如圖4為未處理的疊加圖形，圖5為融合處理的圖形效果。

圖4 未處理效果

圖5 圖形處理效果

通過對圖形的網(wǎng)格采樣，利用最小像素矩形單位完成圖形的求交運算，巧妙的利用加權(quán)平均實現(xiàn)圖像的拼接融合，利用中值濾波技術(shù)充分利用圖形冗余信息，結(jié)合小波變換提高圖形坐標數(shù)據(jù)融合的效果。本文對采集圖像的融合效果較好，但圖形網(wǎng)格的利用使得融合顯示出現(xiàn)鋸齒狀誤差，但采用適當?shù)男拚杀ＷC算法誤差不會造成太大的影響，實驗結(jié)果表明，本方法魯棒性強，精確度較高。

參考文獻

[1]毛士藝，趙魏.多傳感器圖像融合技術(shù)綜述[J].北京航空航天大學(xué)學(xué)報，2002，28（5）：512-518.

[2]唐澤圣，等.計算機圖形學(xué)基礎(chǔ)[M].北京：清華大學(xué)出版社，1995.

[3]姜慶娟，譚景信.像素級圖像融合方法與選擇[J].計算機工程與應(yīng)用，2003，39（25）：117-120.

[4]夏明革，何友，等.多傳感器圖像融合綜述[J].電光與控制，2002，9（4）：1-7.

[5]蔣曉瑜，高稚允.像素級多分辨圖像融合若干問題分析及實驗[J]紅外技術(shù)，2003，25（4）：49-52.

[6]江東，王鈺，等.多源圖像融合的理論與技術(shù)[J].甘肅科學(xué)學(xué)報，2002，14（1）：41-45.

[7]何賦，馬天予，等.Visual C++數(shù)字圖像處理[M].人民郵電出版社，2002.endprint