基于數字媒體技術的圖像融合算法分析

韓曉娟

晉中職業技術學院，山西 晉中 030600

0 引言

隨著我國技術水平不斷提高，數字媒體技術逐漸進入人們的視野，其主要使用信息技術以及通信技術，全面處理圖像、文字等信息，最終將信息轉化成數據。圖像融合主要是把具有不同成像理念設備所收集的圖像進行相互融合，以下是圖像融合算法的具體分析。

1 圖像融合概述

1.1 圖像融合的概念

圖像融合最早出現在20世紀，其是一種不同傳感設備可視信息部分的融合，通過將不同設備收集到的圖像經過統一的圖像處理，提取所需要的數據信息，最后將其形成統一的圖像，以此為后續工作提供較大的便利。圖像融合綜合了較多的技術形式，例如：圖像處理、信息處理、數據顯示以及人工智能等。由于圖像融合技術具有一定的數據探測性，因此，在世界上技術發展較快的國家逐漸受到較高程度的重視，并產生了較為良好的成績。圖像融合形式一般可以分為以下幾種：不同傳感器在不同時間收集到的圖像進行融合；不同傳感器在相同時間收集到的圖像進行融合；單一傳感器在不同時間，或是不同地點下收集到的圖像進行融合。圖像融合可以高效地利用上述場景或時間收集圖像信息，結合精準的融合算法形成所需要的圖像，以此對其進行后續檢測、分析和跟蹤。將兩個傳感設備看作A和B，形成信息構成圖（圖1）。

圖1 多源圖像的信息構成

通過圖像融合技術可以使圖像中相關信息更加明顯，并逐漸提高圖像的精準性，從而使圖像中目標更加清晰，由此看來，這種計算方式可以獲得更加可靠的數據結果，進一步使該系統具有較強的實用性。與此同時，數據融合可以最大限度地提高圖像的分辨率，避免出現圖像模糊不清的情況，并的改善圖像分類性。在此基礎上，圖像融合在層次上有明顯的分類，主要可以劃分為：像素級、特征級以及決策級。

現如今，通過運用圖像融合技術對圖像進行處理，具有以下關鍵目的。①獲取圖像中更多的信息，提高圖像的分辨率，避免出現傳感設備收集到的圖像模糊不清的問題。②合理改善圖像空間分辨率，使圖像中光譜信息逐漸加強，從而為后續圖像識別工作提供便利。③將不同圖像根據場景變化情況進行合理分類。④可以將不同圖像進行融合，使其形成立體感較強的三維圖像，上述這種方式主要應用在立體投影、數據測量等工作領域中。⑤根據其他傳感設備圖像，收集所丟失的圖像信息。根據以上目的來看，圖像融合技術與其他圖像技術不同，其具有更強的創新性以及準確性，從而在短時間內成為圖像處理領域中全新的技術形式[1]。

1.2 圖像融合的層次

在不同融合應用過程中，由于應用方式、所運用的數據信息，以及融合處理工作前對數據處理程度不同，使融合系統要在不同層次上，對數據信息進行針對性處理，每個層次都有相對應的數據級別。結合數據形式來看，可以將圖像融合系統分為三個部分：像素級、特征級以及決策級。融合層次在一定程度上直接影響著算法形式、適用范圍。圖2是在圖像處理工作過程中，圖像融合所代表的層次信息。

圖2 不同層次的多源圖像融合示意圖

2 圖像融合過程

圖像融合在一定程度上主要是指將使用方式不同的傳感設備收集到的場景圖像，通過圖像融合算法計算得出精準性較高的新圖像，圖像融合過程大多包含以下幾個方面。

2.1 圖像預處理

圖像預處理主要是將兩張或兩張以上的圖像進行事先處理，所處理的圖像一般來自不同使用方式的傳感設備，圖像預處理過程主要包括圖像去噪聲、圖像增強以及圖像配準等流程，上述過程的關鍵就是全方位提高所有圖像的對比度以及識別度[2]。

（1）圖像校正。圖像校正主要可以劃分成幾何校正、灰度校正。結合幾何校正來看，其主要理念就是通過已經獲取的數據，也就是根據坐標之間的數據關系以及相關系數，使其作為其他象限的基礎。幾何校正的方式一般是先建立針對性的數學模型，再根據相關圖像信息明確模型中的參數數據，最后結合圖像進行幾何對比。實際流程可以劃分為兩步。第一，變換圖像對應的坐標，建立適當的坐標體系以及坐標點，使二者形成映射，從而解決上述關系中的參數數據，最后結合映射對坐標進行調整。第二，明確掌握不同像素之間的灰度值。與此同時，結合灰度校正來看，根據圖像自身的不同情況以及需要的不同特點選擇相對應的修正方式。

下列是使用較多的三種方式。第一，灰度級別校正。由于圖像之間存在曝光不清楚的問題，這種現象會使圖像變得忽明忽暗，為了解決上述問題，可以對于圖像進行適當的灰度級別校正，從而保證圖像在灰度上均勻分布。第二，灰度變換。由于部分圖像存在曝光不均勻的問題，因此可以運用灰度變換的方式，其能夠最大限度提高圖像之間的對比度。第三，直方圖修正。這種方式能夠為圖像有均勻灰度提供關鍵保障，進而有針對性選擇需要的部分圖像，以此滿足不同需要。

（2）圖像濾波技術。在圖像收集過程中，由于圖像會受到周圍地理位置、環境、使用設備以及電壓等不同因素的影響，圖像收集工作極容易受到信號的干擾，上述信號就是生活中的噪聲，會或多或少對圖像造成干擾。其中，最相似的干擾特點就是導致圖像分辨率降低，使圖像變得更加模糊，甚至出現圖像目標無法呈現的問題，從而對后續圖像分析、處理工作造成較大影響。上述噪聲具有較多的種類，分類標準也各有不同。例如，根據噪聲產生情況，可以劃分為外部噪聲以及內部噪聲；根據噪聲分布情況來看，可以分成隨機噪聲以及校驗噪聲；根據噪聲與信號之間的相互影響，可以劃分成加性噪聲以及乘性噪聲等。針對上述不同種類的噪聲，去除噪聲的方式可以劃分成以下兩種。

①空域濾波去噪。這種方式主要是調整圖像中的灰度值，進而進行圖像運算。生活中最常見的空域濾波去噪方式主要有均值濾波、中值濾波以及空間域低通濾波法。根據上述方式來看，維納濾波是適應性較強的去噪方式，其在運用過程中選擇性較高，因此，可以對圖像進行高質量的保護，特別是對白噪聲有較好的控制效果。

②變換域去噪。這種方式主要是在圖像的某一部分內，對圖像經過相關變換后產生的系數進行處理，進而再進行反變換，從而真正實現去除噪聲的要求。生活中經常使用的方法主要有：頻率域低通濾波法、小波變換法等。現如今，小波變換法仍然處于摸索階段，整體來看，其具有較好的去噪效果，但計算方式較為繁瑣。由此看來，不同的計算方式會對圖像產生不同的影響[3]。

2.2 圖像融合主要過程

圖像融合主要過程就是清晰掌握圖像融合的級別，例如圖像的像素級別、決策級別、特征級別、圖像融合算法以及相關融合處理過程等，上述過程是圖像融合工作的重中之重。

2.3 融合效果評價

融合效果評價是對融合算法的運算方式進行合理檢測以及評價，通過融合效果評價，可以促進后續生產有效改進并高質量完善，進而對后續工作提供關鍵的依據。對于融合圖像的后續處理工作來說，要對處理完畢的融合圖像進行后續檢測、信息識別、數據跟蹤以及最終決策等，上述流程會包括不同工作范圍的相關應用。

3 圖像融合算法

3.1 融合圖像算法流程

①通過將紅外熱圖像進行事先處理，根據分段的方式進行變化，從而逐步增加紅外熱圖像的分辨率以及對比度，這種方式可以更加清晰地區分紅外熱圖像。②通過將事先處理完畢的紅外熱圖像以及可見光圖像進行方向、尺度上的變化，由此可以得到更加精準的圖像數據信息以及高頻子帶系數。③根據融合圖像的相關算法規則來看，要對圖像數據信息、高頻子帶系數進行不同的數據融合，從而得出與其對應的子帶系數。④通過對上述系數進行變化，最后能夠得到所需要的融合圖像。

3.2 紅外圖像預處理

紅外圖像自身在抗噪聲方面功能性較差，并且對比性與邊緣處理情況都有處理上的問題。為了進一步實現圖像融合的要求，必須要運用分段性的方式對紅外圖像進行相關處理，通過合理提高圖像數據對比度，增強圖像中目標的識別系數。這種運算方式相對簡單，不需要較長的運算時間，因此對后續工作不會產生較大的影響。

分段性變換計算方式的公式如下：

上述公式中I(x,y)代表紅外圖像在(x,y)中像素變化情況，g(x,y)代表經過變換后的像素變化情況。

3.3 圖像融合處理

（1）將事先處理完畢的可見光圖像與紅外圖像進行方向、尺度上的變化，以此得到不同圖像在頻率變化中的子帶系數。

（2）通過全方位分析不同子帶系數的相關特點，獲取不同的數據信息，進而結合圖像場景中的融合處理要求，選擇最適宜的融合方式，從而進行融合處理，最終得到不同圖像的子帶數據信息。

（3）通過上述流程能夠得到不同方向、尺度的融合系數，在對融合系數進行相關變換后，最終獲得融合圖像。

3.4 融合規則

融合規則主要運用區域性的計算方式，這種方式與窗口方式在運用過程中具有較大的相似性，具體不同主要體現在其沒有限制性的方形小窗，融合形狀可以選擇不同形式的形狀。這主要由于紅外圖像中所有目標在形狀都各有不同，運用上述規則形式可以適應融合區域特點。

4 圖像融合算法的性能評價

4.1 平均梯度

平均梯度指標主要是指圖像的清晰情況，其是衡量圖像清晰度的關鍵方式之一，具體代表圖像在垂直以及水平不同方向上的區別。平均梯度指標在實際應用中能夠反映出圖像中紋理情況的變化程度，并且其對像素灰度有較大的敏感性。以下是平均梯度的相關公式：

4.2 信息熵

信息熵主要是指圖像中價值水平較高的數據信息間的含量，也代表著圖像中像素灰度自身的頻率特點以及次數情況，因此能夠代表像素灰度情況的概率信息。信息熵的情況能夠直接預測著融合圖像自身的數據價值情況，這側面證明著融合效果的質量情況[4]。以下是信息熵的相關公式：

E=-∑Pi×log2pi

4.3 互信息

互信息主要是用在觀察不同圖像間的相似情況，是圖像融合質量的關鍵檢測方式之一。互信息數據越大，就代表融合圖像中信息數據量越豐富，因此，其自身就具有較強的融合性。若融合圖像中A、B通過融合的方式生成了圖像F，則以下就是互信息的計算方式：

4.4 空間頻率

圖像中空間頻率主要是指圖像在不同方向中的相差數據值與垂直方向的相差數值之和，也可以理解為，其代表圖像自身的活躍情況。以下是空間頻率的相關公式：

SF=√(RF)2+(CF)2

4.5 標準差

標準差主要是指圖像在像素灰度與數據水平中的實際差異，在計算過程中代表著像素的類別，數據值越大就表明像素之間具有較大的差異，層次性就更顯著。以下是標準差的相關公式：

SD(F)=√1/M X N∑(F(i,j))-F)2

根據上述計算方式進行針對性的仿真實驗，主要是將可見光圖像與紅外線圖像進行對比；將變化算法與NSCT算法進行對比；將PCNN算法與其他算法進行對比。結合最終對比情況來看，運用變換算法的圖像在目標部分更加顯著，但融合圖像后沒有良好地保存相關數據信息，因此，運用上述計算方式的融合圖像質量較差。運用NSCT算法的圖像在目標場景方面有較好的保留性，圖像顯示更加清晰，但在對比度方面仍有缺陷[5]。PCNN算法在場景融合過程中有高質量的信息保存性，但在邊緣區域較為模糊，對比性較差。表1是上述方式的具體指標對比。

表1 圖像融合算法評價指標對比表

結合表1可以看出其他算法的融合圖像在平均梯度、信息熵、互信息、空間頻率以及標準差方面都有明顯的提高[6]。

5 結語

綜上所述，圖像融合技術是數字媒體技術中較為關鍵的技術之一，其可以把不同設備收集到的圖像運用數字媒體技術進行相互融合，從而使圖像中的物體逐漸顯現。圖像融合技術可以儲存更多關鍵的場景，具有較高的準確性，為后續相關工作順利進行奠定堅實的基礎。