基于边缘检测的双树复小波图像融合算法基于边缘检测的双树复小波图像融合算法
提出了一种新的图像融合算法——基于边缘检测的双树复小波图像融合算法。多聚焦图像经过双树复小波变换
较好地克服了传统小波变换的平移敏感性等缺点;低频系数利用边缘信息进行融合,较好地保留了图像的细节
信息,提高了融合图像的质量;高频系数则采用常见的基于区域特征的融合规则。实验结果证明,该算法能够
有效地提高融合图像的清晰度,细节更为丰富。
摘摘 要要: 提出了一种新的
关键词 关键词: 图像融合;双树复小波变换;边缘检测
0 引言引言
图像融合[1-3]指对多幅源自于同一场景的图像进行综合,以获取更好的视觉效果和易于机器识别为目的,产生比单一信源
更精确、更完全、更可靠的图像。图像融合属于信息融合的一个分支,能够有效地去除参与融合的多幅图像中冗余或干扰信
息,反映多幅源图像的信息,使获得的图像更加准确、完整,便于更综合、全面地判断和分析图像,弥补了单一成像系统的不
足。20世纪70年代后期提出图像融合概念后,国内外对图像融合算法的研究以及相关应用的探讨已取得了长足的发展。图像
融合处理可在像素级、特征级以及决策级三个层面上进行,图像的像素级融合主要可分为两类:基于空域和基于变换域。随着
小波变换理论的完善,基于小波的图像融合方法已成为国内外像素级图像融合方法的研究热点[4-7]。目前,大多数的小波变换
图像融合算法主要是针对高频信息的融合规则进行讨论,对低频信息仅采取简单的加权平均融合规则。然而,图像经过小波变
换后,主要的能量都包含在低频信息中,融合的质量很大程度上都取决于低频信息融合规则的选取。因此,对低频信息的融合
规则研究具有相当重要的意义。
传统的离散小波变换(DWT)存在平移敏感性和缺乏方向选择性等缺陷,严重地影响了小波域信号处理效果。IVAN W
S[8]等人提出的双树复小波变换(DT-CWT)成功地解决了传统DWT的缺陷,并已成功应用于图像融合领域[9-11]。本文针对
双树复小波变换以及低频信息融合规则进行研究,提出了一种新的图像融合算法——基于边缘检测的双树复小波图像融合算
法。该算法能够有效提高图像融合的清晰度及质量。
1 双树复小波变换双树复小波变换
双树复小波变换(DT-CWT)结构示意图如图1所示。当对应小波基(图1中的h0和g0、h1和g1)近似满足Hilbert变换关
系时,双树复小波变换能够近似满足平移不变性,并具有良好的方向选择性。在二维双树复小波变换中实部与虚部都具有6个
方向子带,分别指向±15°,±45°和±75°方向。这些优点使双树复小波变换为图像融合提供了更好的条件。
2 融合规则融合规则
基于小波变换的图像融合方法基本思想如图2所示。先对源图像进行小波分解,得到不同频率的不同特征域的图像表示,
在各个特征域上选取不同的融合规则或融合方法进行图像的融合,融合后得到新的小波系数经逆小波变换得到融合后的图像。
2.1 低频信息融合规则低频信息融合规则
图像经过小波变换后,其主要能量集中在低频区域中,传统的加权平均选取融合算法可以有效地抑制图像噪声,但图像边
缘特征信息却被忽略,造成融合图像的特征信息丢失、融合图像质量下降。本文在传统小波图像融合基础上,对传统的低频系
数加权平均算法进行改进,提出了基于边缘检测的低频系数图像融合方法。该算法在多源图像中最大可能地选取边缘点加以保
留,可使融合后图像的细节更加丰富。经典的边缘检测算子包括Sobel算子、Roberts算子、Canny算子、Laplacian算子以及
Prewitt算子等,这些算子均在像素级上进行图像边缘检测,并且都有一定的局限性。例如,Laplacian算子虽然对细线和孤立
点的检测效果较好,但对噪声比较敏感;Prewitt和Sobel算子则是对渐变灰度和低噪声效果显著,但是检测边缘较粗且定位较