圖像融合方法概述

陳新亮

摘 要：圖像融合是通過建立一個數學模型，將不同傳感器的多幅圖像整合成一幅能夠滿足特定要求的圖像的過程。近年來，圖像融合技術得到各領域的廣泛應用，無論是科技、醫學還是軍事領域。圖像融合主要用以通過對多幅圖像間冗余數據的處理，從而使圖像的可靠性得到提高；通過對多幅圖像間互補信息的處理，從而使圖像的清晰度得到一個質的提升。該文列舉了幾種圖像融合技術的方法，它們各有優缺點。

關鍵詞：圖像 融合技術 算法

中圖分類號：TP39 文獻標識碼：A 文章編號：1674-098X（2017）01（b）-0119-02

圖像融合第一次被用以遙感圖像的融合。在20世紀90年代，圖像融合成為人們研究的熱點并得到廣泛的應用，如，醫學圖像融合、可見光圖像和紅外圖像融合、信息隱藏等各個方面。然而，雖然圖像融合被廣泛應用，但是并沒有形成一套完整成熟的理論和方法，也沒有一個統一的評價標準[1]。圖像融合方法有待進一步研究，需要通過不斷的實驗，從而得到更好的方法。

1 像素的加權平均法

首先獲取兩個源圖像，對兩者進行線性加權平均。

F（x，y）=wA·A（x，y）+wB·B（x，y）

其中wA、wB為標量，像素的加權平均法其優點在于容易實現、執行效率高，并且能夠對任何源圖像噪聲有很好的抑制效果。然而同時它也抑制了顯著的圖像特征，從而產生較低對比度的外觀融合圖像。因此，我們可以通過主成分分析方法（即PCA），選擇“最佳”的權重緩解，最大限度地融合圖像的強度差異。

通過求解特征方程det（C-λI）=0可以得到協方差矩陣的兩個特征值：λ1，λ2。其中I為單位矩陣。通常融合后的圖像與源圖像相比會有動態范圍的一個差異波動，因此對部分線性做一個調整，這個步驟很有必要。

2 基于PCA的圖像融合方法

PCA，即主成分分析方法，其實現過程如圖1所示。

這個算法的一個最大優點就是它的適用性。如，在多光譜圖像中，這個算法在所有波段都是可實現的；然后，它存在一個很大的缺點，那就是由于這個算法中只粗略地采取高分辨率圖像去代替低分辨率圖像的最主要部分，因此會丟掉低分辨率圖像主要成分中的一些重要信息，諸如光譜特性這些，從而使得融合后的圖像光譜與源圖像存在很大出入。

3 基于小波變換的圖像融合方法

小波變換技術有其獨特的優良特性，如，方向選擇性、正交性、可變的時頻域分辨率、可調整的局部支持以及分析數