浅浅析图像融合技术

艾玖龙



浅浅析图像融合技术

艾玖龙

国家新闻出版广电总局北京地球站，北京102206

数字图像融合是以图像为主要研究内容的数据融合技术，是把多个不同模式的图像传感器获得的同一场景的多幅图像或同一传感器在不同时刻获得的同一场景的多幅图像合成为一幅图像的过程。

图像融合；像素级图像融合；非多分辨率分析

图像融合是一项集中信号处理、图像处理、图像显示、信号传感器和计算机技术等的现代高新技术。目前在国际上，许多技术先进的国家高度重视该技术并已取得了相当的发展，广泛应用于许多领域。

在众多的图像融合技术里，使用小波变换的图像融合方法现如今成为研究的一个热点。这种方法利用人眼对局部对比度的变化比较敏感这一事实，根据某种融合方式，在多幅原图像中选择出最显著的特征，如边缘、线段、线条等，然后将这些特征保留在最后的合成图像里面。使用小波变换的图像，使用绝对值较大的小波系数对应于边缘这些较为显著的特征，因此大多数基于小波变换的图像融合算法主要研究如何选择合成图像中的小波系数，也就是三个方向上的高频系数，从而达到保留图像边缘清晰的目的。

学术界在图像融合领域已取得了很大的成绩，图像融合方法也各种各样。因为图像融合技术的研究还刚刚开始不久，因此有许多问题急需解决。首先，图像融合技术缺乏理论指导基础，尽管公开报道图像融合的技术很多，但是文章都是针对一个具体的问题，对图像融合技术没有统一公认的理论框架，建立图像融合的理论框架是目前的一个研究方向。还有就是建立客观的图像融合技术评价标准也是急需解决的问题之一。在严格的像素级图像融合条件下，对多源图像进行信息的综合研究分析。像素级图像融合是在信息融合的基础数据层面上进行处理的，主要任务是对多源图像中的目标和背景信息等进行图像融合处理。目前像素级图像融合是最低层次的图像融合，这种方法能保持尽可能多的现场数据信息，提供的细节信息是其他融合层次不能提供的。但需要处理的信息量最大，因此对设备的要求比较高。

特征级图像融合技术，对预处理和特征提取后获得如边缘图像、形状图形、纹理图案以及图像区域等特征信息进行综合处理判断。特征级融合是进行在中间层次上的信息融合，它保留了足够多的重要图像信息，而且可以对信息进行压缩，有利于图像的实时处理。决策级图像融合技术，在每个传感器完成目标提取与信息分类后，图像融合系统按照一定的方法及决策的可信度作出决策融合处理方法。这种方式的融合实时性很好，并且拥有一定的容错能力。

1 图像融合研究方法

目前国内外像素级图像融合领域的研究方法大致上可以分为两种类别：基于非多分辨率的图像融合方法和基于多分辨率分析的图像融合方法：

1.1 基于非多分辨率分析的图像融合方法

基于非多分辨率分析的图像融合方法，这种融合方法包含了传统的图像融合变换方法，例如线性加权平均法，Intensity Hue Saturation变换融合法、Principal Comp onent Analysis变换融合法及高通滤波法（HPF）等等；也包含了智能图像融合方法，如基于神经网络和模糊理论的融合等等。

1.2 是基于多分辨率分析的图像融合方法

这种方法是现在为止在像素级图像融合技术中应用最为广泛且非常重要的算法之一，逐步成为学术上研究的主要方法。因其融合的过程是在不一样的尺度数据上、空间频率上、分解层次上处理的，因此和传统的融合方法进行技术比较后，基于多分辨率分析的图像融合方法获得的融合结果效果明显要好很多。基于多分辨率分析的图像融合方法发展到现如今，基本上经历三个阶段，即基于金字塔变换的图像融合法、小波变换的图像融合法及超小波变换的图像融合法。其中，超小波分析是近来人们为改变小波分析的不足，常用基于小波技术基础之上的系列变换。

2 图像融合的应用

一是智能机器人领域：机器人动作控制“对环境的视觉触觉力矩反馈”立体摄像融合“智能注视控制”自动识别目标和跟踪等。信息融合技术在机器人领域起到了很大的作用。

二是医学影像领域：计算机辅助手术、多维图像表面空间校准等。医学图像融合处理是医学图像后处理的研究热点之一，其中主要包括图像转换、图像配准和图像信息提取三个步分。医学图像融合处理充分利用多模式图像获取互补信息，使临床的诊断和治疗更为准确完善。

三是制造业领域：电子线路和部件检查、物品表面测量和检验、生产过程监控和复杂设备诊断。

四是战场和司法领域：陆海空目标、事件的检测跟踪、识别、和控制，隐蔽武器的探测、战场监视、夜间飞行导航等。

3 图像融合评价方法

图像的主要包括两个方面：一是关于图像的逼真度，另一个是关于图像的可理解度。图像逼真度是用来描述被评价图像偏离出标准图像的程度，通常使用归一化均方差来衡量。而图像的可理解度是表示人能够从图像获取信息的能力。

因为同一融合算法对于各种不同类型的图像会产生不同的融合效果，因为这个原因，现如今图像融合效果的评价效果问题没有被很好的解决。同一图像的观察者对同一融合算法在感兴趣的方面不同，就会产生不同的评价效果；图像各项参数要求在不同的应用方面会产生不同的评价效果，不同的效果会导致选取的评价方式不同。

现在来说评价图像融合效果的方法主要可以分为两大类别：分别是主观的评价方法和客观的评价方法。在许多融合应用里，最终体验者是人，因此考虑到人类视觉差异特性的因素是非常重要的。但是在人为评价融合方法效果的过程中，会出现很多不同的主观客观因素等，例如当时的心情、光线、状态等，都会影响评价结果。

[1]康晨，曾丹，沈洁，等．图像融合中的彩色图像颜色校正[J].电子测量技术，2014，37（3）：54-57．

[2]许良凤，林辉，胡敏.基于差分进化算法的多模态医学图像融合[J].电子测量与仪器学报，2013，27（2）：110-114.

[3]周前祥，敬忠良，姜世忠.多源遥感影像信息融合研究现状与展望[J].宇航学报，2002，23（5）：89-94

[4]夏明革，何友，唐小明.多传感器图像融合综述[J].电光与控制，2002，9（4）：1-7.

TP391.41

A

1009-6434（2016）05-0082-01