基于小波-contourlet变换的多聚焦图像融合算法.doc

一种基于小波-Contourlet变换的多聚焦图像融合算法 梁　栋,李　瑶,沈　敏,高清维,鲍文霞 (安徽大学计算智能与信号处理教育部重点实验室,安徽合肥230039;安徽大学电子科学与技术学院,安徽合肥230039) 　　摘　要:　利用小波-Contourlet变换良好的多尺度性和多方向性特征,提出一种基于小波-Contourlet变换的多聚焦 图像融合算法,引入Cycle Spinning来有效地消除由于小波-Contourlet变换缺乏平移不变性而产生的图像失真.实验结 果表明,与其他基于多分辨率分析的多聚焦图像融合算法相比,该算法显著减小了融合图像的RMSE值,提高了融合 图像的视觉效果. 关键词:　小波-Contourlet变换; Cycle Spinning;图像融合 1　引言 　　多聚焦图像融合是指因镜头聚焦不同而形成的多个图像 通过一定处理得到目标聚焦都清晰的结果图像.目前多聚焦图 像融合的方法主要有基于金字塔形分解的融合方法和基于小 波变换的融合方法[1].由于塔形分解结构中不同分辨率的细节 信息彼此相关[2],算法具有不稳定性.而经正交小波变换得到 的各子带数据分别落在相互正交的子空间中,所以不同分辨 率、不同子空间的细节信息相关性减小,因此基于小波变换的 图像融合技术能克服金字塔形分解融合技术的不稳定性. 但是由一维小波张成的二维离散小波变换(Separable Wavelet)只具有有限个方向,不能“最优”表示含线或者面奇异 的二维图像.Contourlet变换、小波-Contourlet变换[3](Wavelet Based Contourlet Transform)的提出很好地解决了小波变换在这 些方面的缺陷. 本文提出了一种基于小波-Contourlet变换的多聚焦图像 融合算法,利用小波-Contourlet变换良好的多尺度性和多方向 性特征进行图像融合,并引入Cycle Spinning[4]来消除由于小 波-Contourlet变换缺乏平移不变性而产生的图像失真.实验结 果显示,该算法能显著减小融合图像的RMSE值,提高融合图 像的视觉效果. 2　小波-Contourlet变换 2·1　Contourlet变换 2002年DoMN和Vetterli M提出的Contourlet变换是小波 变换之外另一种多分辨率的、局域的、多方向的图像表示方 法[5].由一维小波张成的二维小波基具有正方形的支撑区间, 只具有有限的方向,即水平、垂直、对角.方向性的缺乏使小波 变换不能充分利用图像本身的几何正则性.而Contourlet基的 支撑区间具有随尺度而长宽比变化的“长条形”结构,因而能 更好地捕获图像的边缘信息.Contourlet变换分为两个阶段,首 先用拉普拉斯金字塔(LP)对图像进行多尺度分解以捕获奇异 点,接着用方向滤波器组(DFB)将分布在同方向上的奇异点 合成为一个系数.LP分解和DFB都具有完全重构性,因此能 由变换系数得到完整图像. 2·2　小波-Contourlet变换 2004年Eslami R和Radha H提出了一种新的非冗余的图 像变换———小波-Contourlet变换(WBCT),变换示意图如图1 所示.WBCT和Contourlet变换类似, 分为两个滤波阶段.第一阶段为子带 分解,在WBCT中用小波分解实现. 第二阶段为方向变换.第一阶段的小 波变换每一级都将上一级的低频分 量再分解为低频和LH、HL、HH三个 高频部分.在第二阶段,方向滤波器 (DFB)将每个子带做2N个方向的分 解,将分布在同方向上的奇异点合成为一个系数.因为小波变 换比LP分解更具优越性,所以WBCT能比Contourlet变换更 稀疏地表达图像,获得图像结构特征. 3　融合规则的选取 　　在图像融合过程中,融合规则的选取主要有两类,一类是 以单个像素为考察对象,例如绝对值最大规则,比较各个方向 高频子图中小波系数的绝对值大小,具有较大绝对值的变换 系数对应于较强烈的亮度变化.另一类是以一个局域窗口为 考察对象,计算局域内的统计特性,如方差.因为图像的像素 之间存在很大的相关性,所以在一个区域内考察图像比以单 个像素为考察对象更能反应图像的特征和趋势[6].在一个局 域窗口内,统计特性越明显,说明图像灰度级变化越大,细节 越丰富. 4　Cycle Spinning 　　由于小波-Contourlet变换缺乏平移不变性,信号中的不连 续点的邻域在处理过程中会产生伪吉布斯现象,导致图像失 真.但这种失真与不连续点的位置密切相关[7],可以通过对信 号进行平移来改变不连续点的位置以减弱这种失真.由于对 一处不连续点的最佳平移可能会导致另一处不连续点伪吉布 斯现象的加剧,为此本文利用Coifman等提出