基于Haar小波变换的图像融合方法.pdfVIP

第32卷第2期 杭 州 电子科 技 大 学 学 报 Vo1．32，No．2 2012年o4月 Journal of Hangzhou Diartzi University Apr．2012 基于 Haar小波变换的图像融合方法 何 宏 ，林 剑 (杭州电子科技大学科技处，浙江杭州~310018) 摘要：为了有效的提高多个传感器的图像融合精度，该文提出了基于Haar小波变换的图像融合方 法，首先分析了小波变换中不同频率分量对图像融合精度的影响，然后详细探讨了高频分量系数 的确定方法。选取信息熵作为图像融合算法性能的评价指标 ，通过仿真实验定量分析了高频分量 系数对图像融合精度的影响，实验结果表明高频分量系数并非越大越好，应根据融合后的图像信 息熵确定高频分量系数。 关键词：图像融合；小波变换；信息熵 中图分类号：TP391 文献标识码：A 文章编号：1001—9146(2012)02—0054—04 0 引 言 图像融合是对同一 目标的多个传感器获取的图像进行匹配综合，以克服单一图像的局限性并提高 图像的可靠性和清晰度，便于对图像做进一步的分析和处理。目前用于图像融合方的方法主要有加权 平均法、图像代数法、模拟退火法等空域法，以及金字塔法和小波变换等变换域法 I6，其中小波变换 是一种有效的信号分析及处理技术，近年来逐渐受到人们的关注并得到了广泛应用I9。小波变换融 合算法将图像无冗余地分解到不同的频率域，再根据不同的频率域和分解层采用相应的融合算法，使得 融合的图像能够保留不同频率域的显著特征。分解后的低频分量代表了图像的轮廓，高频分量代表了 图像的细节信息，绝对值较大的高频系数对应于图像较为重要的边缘。本文结合 Haar小波变换，提出 了图像融合算法，并通过计算图像信息熵对图像融合算法中参数的取值进行分析评价。 1 小波变换原理 1．1 小波变换定义 对于连续信号 (t)∈L2(R)(平方可积的实数空间)，当其傅立叶变换 ()满足容许条件： c=』 d∞ (1) 式中，(t)为小波，将 (t)伸缩和平移后得： () (2) 式中，a，b∈R，a#O，a为尺度因子；b为延伸因子。 收稿 日期：201l一04—01 基金项 目：浙江省 自然科学基金资助项目(Yl100771)、浙江省教育厅科研计划资助项 目(Y201016676、Y201120623) 作者简介：何宏(1981一)，男，河南信阳人，讲师，印刷图像处理． 第2期 何 宏等：基于Haar小波变换的图像融合方法 55 对于任意能量有限信号 )以小波 (t)为基的连续小波变换定义为： ()= ) 州 ) (3) 是一维连续小波变换的过程，其实小波的主要思想就是将信号分解成不同尺度小波的叠加。 1．2 I-Iaar小波及其信号分解与重构算法 Haar小波是具有一个有限紧支撑的正交函数系，同时也是最简单的一个小波函数，其信号分解与 重构算法如下。 (1)采样，假设采样次数N=2，因此原始信号 t)可以用离散信号，n()进行高精度的近似，即： 厂(t) ()=。 ) (2 一k) (4) (2)分解，信号分解的目的是为了将信号中的高频和低频部分分离，而干扰信号往往存在于高频信 号中，假设 ()可以逐层分解为： ’ ()= 一，()+ 一2()+…+ r0()+ ()