基于中值濾波的多尺度快速圖像融合算法

王藝潔

摘要：針對傳統圖像融合時間較慢，融合后圖像紋理不清晰的缺點，提出了一種基于中值濾波的多尺度快速圖像融合算法。首先通過中值濾波快速將圖像分解為基層和細節層，再通過權值融合的方法將不同源的細節層和基層融合，獲得融合圖像。實驗表明，該方法具有較好的刻畫紋理能力和較少的運算時間。

關鍵詞：圖像融合;中值濾波;多尺度

中圖分類號： TP18? ? ? ? 文獻標識碼：A

文章編號：1009-3044（2021）02-0169-02

Abstract： In view of the disadvantages of slow fusion time and unclear texture of traditional image， a multi-scale fast image fusion algorithm based on median filtering is proposed. Firstly， the image is quickly decomposed into base and detail layer by median filtering， and then the different detail layer and base layer are fused by weight fusion method to obtain the fused image. Experiments show that this method has better texture characterization ability and less operation time.

Key words： image fusion; median filtering; multi-scale

圖像融合技術是將兩張圖片或多張圖片合成為一幅圖像，經過融合后的圖像可以容納更復雜、更全面、更精確的信息[1]。同時，圖像融合技術可以減少系統的存儲率，提高數據的利用率增加[2]。因此，圖像融合技術應用領域遍及遙感圖像處理，醫學圖像處理等。由此可見，對圖像融合技術進行深入的研究可以為后續圖像處理提供高質量的圖像，對社會經濟和國防事業的建設均有重要意義[3]。

圖像融合可以分為三類：像素級圖像融合、特征級圖像融合和決策級圖像融合[4]。像素級圖像融合對場景信息進行了保存，結合不同傳感器的原始數據對場景化會有最大的保留，能夠集中并且準確的凸顯圖像信息，由于傳感器觀測到的數據需要發送到中央處理設備，因此相對于其他兩個融合層次而言，像素級圖像融合需要更高的系統性能要求，如果信息量很大時會造成很大的延時無法滿足工程需求;特征級圖像融合是在特征提取之后發生的，復雜度屬于中等級別，對數據通信的要求相對較低，對原始圖像進行處理時保留了圖像的損失。因此，會減低圖像融合結果的準確性;決策級圖像融合是三類中復雜度最高的等級，它能得到最準確的結果并且對傳輸要求不高，融合方式是根據每個電子手簿都會對所采集到的結果進行判斷，再根據相應的判斷做出推理，形成最后的決策。但決策意味著預處理的過程代價太高，在進行圖像融合時圖像信息損失較大。

本文采用多尺度模型[5]基于中值濾波的多尺度快速圖像融合算法，利用中值濾波快速分離圖像基層和細節層的目的，獲得不同尺度的圖像。按照標準差倍數關系來加權融合細節層，最后獲得融合圖像。

1 中值濾波數學模型

中值濾波是利用濾波器范圍內所有像素值得中值來替代濾波器中心位置像素值的濾波方法，是一種基于排序統計理論的能夠有效抑制噪聲的非線性信號處理方法。中值濾波方法如圖1所示，將濾波器范圍內所有的像素值按照由小到大的順序排列，選取排序序列的中值作為濾波器中心處的新像素值，之后將濾波器移動到下一位置，重復進行排序取中值的操作，直到將圖像所有的像素點都被濾波器中心對應一遍。中值濾波不依賴于濾波器內那些與典型值差別很大的值，所以對斑點噪聲和椒鹽噪聲的處理都有較好的處理效果[6]。

2 本文方法

研究發現，融合處理的圖像大都在光線環境不好的情況下進行拍攝。因此，本文都輸入的圖像先做增強預處理，表達式如下：

本文利用中值濾波算法對圖像進行平滑處理，快速去除圖像細節，以此獲得圖像的基層。再利用原圖與濾波后的圖像做差，獲得圖像的細節層，表達式如下：

融合處理的策略是對兩幅圖像的基層按等比且都為0.5的權值融合，表達式如下：

細節層融合，本文借助原圖的標準差比值來獲得細節層融合的權值。其中標準差[σ]表達式如下：

其中，其中，M、N分別表示圖像的長和寬的像素維度，[μ]表示圖像像素的平均值。

因此，最終融合圖像結果，表達式如下：

3 實驗結果

3.1 圖像融合質量評價

本文與文獻[7]從主觀和客觀兩方面實驗結果進行比較。

3.1.1 主觀評價

觀察圖1，本文結果能很好地將兩幅圖像的信息融合到一幅圖像中，使得融合圖像表達的信息更加完整。在圖像反映的環境方面本文比ADF算法更加清晰，本文算法結果能觀察到暗處ADF算法無法觀察到的結果。

3.1.2 客觀評價

客觀評價的主體是算法，其中基于統計類的方法就是統計融合圖像的某些特性來進行評估，這類指標包括均方誤差、信息熵、空間頻率等[8]。其中空間頻率方法如下：

其中，M， N 為圖片的寬高，I為融合結果圖像，RF和CF分別代表水平和垂直方向的空間頻率。SF的值越高代表空間頻率越好，圖像質量越高越清晰。

根據客觀評價對本文算法和原始算法進行比較。

觀察表1，本文算法在第一組實驗中SF評價值超過ADF算法3.52，在第二組實驗中，本文算法超過ADF算法1.07，在第三組實驗中本文算法超過ADF算法3.5。再比較運行時間參數。本文算法均低于ADF算法，達到快速融合圖像的目的。

4總結

本文首先對圖像進行增強處理，再通過中值濾波快速提取圖像的基層和細節層，在以標準差來獲得融合權重，達到快速對圖像融合的目的，在客觀評價和主觀評價上都具有不錯的效果，工程意義巨大。

參考文獻：

[1] 史敏紅.圖像融合技術發展綜述[J].計算機時代，2019（9）：27-29.

[2] 董林鷺，趙良軍，黃慧，等.基于欠樣本混合內變基字典的擴展協同表示算法[J].液晶與顯示，2020，35（5）：491-498.

[3] 王春華.圖像融合研究綜述[J].科技創新導報，2011（13）：11-13.

[4] 榮傳振，賈永興，楊宇，等.基于紅外目標特征提取的圖像融合方法[J].信號處理，2019，35（7）：1141-1151.

[5] 林子慧. 基于多尺度變換的紅外與可見光圖像融合技術研究[D].中國科學院大學（中國科學院光電技術研究所），2019.

[6] 袁立，周偉.一種改進的基于邊緣檢測的中值濾波圖像去噪算法[J].電子制作，2020（13）：53-55.

[7] Bavirisetti D P， Dhuli R. Fusion of infrared and visible sensor images based on anisotropic diffusion and Karhunen-Loeve transform[J]. IEEE Sensors Journal， 2015， 16（1）： 203-209.

[8] 郭瑞. 圖像融合質量評價問題研究[D].吉林大學，2020.

【通聯編輯：唐一東】