基于小波变换道路图像融合增强技术研究.pdf

基于小波变换的道路图像融合增强技术研究1 汪恩军，严新平，初秀民，陈先桥 武汉理工大学水路公路交通安全控制与装备教育部工程研究中心，湖北武汉（430063 ） E-mail ：w231818@163.com 摘 要：本文利用图像传感器获取低照度道路环境图像，针对不同分解层细节分量的不同空 间频率特性，采用基于区域特征量测的选择融合算子，对低照度道路环境图像进行融合增强。 同时依据标准差、熵、RMSE 、NLSE 、PSNR 和平均梯度等六项指标，对采用的不同的规则 得到的融合图像进行了分析和比较，发现在基于区域特征的方式中区域能量的效果最好，区 域最大值次之，区域方差、区域熵和区域范围的融合效果相近。最后由实验数据可知，基于 小波金字塔的融合增强实验结果在六项指标上要优于加权平均和拉普拉斯金字塔变换增强的 效果。 关键词：图像增强，多分辨分析，小波变换，交通安全 1. 引言 在夜晚、浓雾、沙尘等低能见度天气条件下，道路场景的可视性较差，驾驶员通过视觉 获得道路环境信息不足，较易发生车辆碰撞等恶性交通事故。为此，本文利用图像传感器获 取低照度道路环境图像，并进行道路场景图像清晰度判别、图像增强和图像融合等方法的研 究，为开发具有主动增强道路环境系统可视性的智能车辆奠定一定的应用理论技术基础。目 前由于还没有一种通用的衡量图像质量的指标能够用来评价图像增强方法的优劣，道路图像 增强理论有待进一步完善[1][2][3] 。小波分析由于对高频信号采取逐步精细的时域或空域步 长，从而可以聚焦到分析对象的任意细节，小波分析在图像增强方面取得了许多研究成果， 如 Sattar 提出非线性的多尺度增强方法[4]、杨煊提出基于方向信息的多尺度边缘检测和图像 去噪的方法[5]等。基于小波变换的道路图像增强实际上是对原始道路图像进行各种频率成份 的分解，产生许多不同分辨率的子图，然后在变换域中对不同分辨率的子图采取不同的增强 算法，最后将处理后的各子图合成。由于在各个分辨率的子图像上有针对性地进行增强，使 得合成后的图像，无论是粗的边界或还是细的边界或纹理都能同时得到增强，从而得到一幅 清晰的道路图像。 2. 基于小波变换的道路图像融合原理 2.1 融合算法 基于小波变换的图像融合，是将待融合的原始图像经过小波变换得到小波金字塔图像序 列，在不同的特征域上的图像序列采用不同的规则进行融合以得到小波金字塔图像序列，融 合后的小波金字塔图像序列经过小波逆变换（即重构），得到多传感器图像的融合图像[6] ， 算法如图 1 所示。 1本课题得到高等学校博士学科点专项科研基金（项目编号：20050497009 ）的资助。 -1- A 小波 图像 变换 融合 F 配准后的源图像 小波分解 系数 小波 图像 重构 B 小波 图像 融合后小波图像序列 变换 图1 基于小波变换的图像融合算法 设 A ，B 为了两幅原始图像，F 为融合图像。A ，B 两幅图像融合的基本步骤如下： ① 对 A 、B 两幅图像分别进行小波变换，建立相应的小波金字塔图像序列； ② 分别使用不同的融合算子作用于各个分解层的不