基于形态学的图像融合算法.pdf

第19 卷 第6 期 四川理工学院学报 自然科学版 Vol 19 No 6 JOURNAL OF SICHUAN UNIVERSITY OF 2006 年12 月 SCIENCE ENGINEERING NATURAL SCIENCE EDITION Dec 2006 文章编号 1673-1549 2006 06-0021-03 基于形态学的图像融合算法 刘伟军1 孙兴波2 1.四川理工学院计算机科学系 四川 自贡 643000 2.四川理工学院电子与信息工程系 四川 自贡 643000 摘 要 提出一种基于边缘连接强度的图像融合算法 利用形态学梯度算子得到图像的边缘信 息 以图像灰度的边缘连接强度加权为判据 进行图像融合 实验结果表明 该图像融合方法在保 留TM 多光谱图像光谱分辨率的同时 通过融合 SPOT 全色图像提高了空间分辨率 丰富了图像 细节信息 关键词 形态学 边缘 图像融合 中图分类号 TP391 文献标识码 A 引 言 随着成像技术的发展 图像数据可以从多个不同传感器获得 由于单独的图像传感器提供的信息往 往是有限的 因此通常需要其他的图像传感器提供辅助信息 国内外的研究现状表明 对于利用图像融 合算法对多源遥感图像中像素进行分类 从而实现图像分割这类问题 解决的主要途径包括统计模型 证据理论和神经网络等 图像融合技术在军事 医学成像 遥感 计算机视觉等领域有着广泛的应用前景 图像融合技术 根据处理图像的表征层不同 一般被分为三种类型 像素级 特征级和决策级融合 像素级融合是在图 像严格配准的条件下 直接进行像素关联融合处理 特征级融合是在像素级融合的基础上 使用模式相 关 统计分析的方法进行目标识别 特征提取 并得到融合结果 决策级融合则是在上述两种处理的基 础上 采用大型数据库和专家决策系统 模拟人的分析 推理过程 以增加判决的智能化和可靠性 从 上面可以看出 像素级的图像融合 无论作为直接观察 还是作为进一步处理的输入 都是最基本的处 理手段 针对多光谱TM 图像和全色SPOT 图像来说 TM 图像具有较好的光谱分辨率 而SPOT 图像空间分 辨率较高 因此融合这两类图像可以在保留多光谱图像光谱分辨率的同时 提高其空间分辨率 从而可 提高这类遥感图像目标识别的准确度和地构目标分类的精度 多光谱TM 图像和全色SPOT 图像进行融 合的传统方法主要有 HIS 变换 主成分分析 高通滤波等方法 传统图像像素级融合方法 没有考虑融合图像的边缘信息 融合结果空间分辨率不高 边缘模糊 本文给出一种新颖算法 基于形态学的图像融合方法 首先对两幅带融合图像运用形态学方法进行边缘 分析 构造边缘连接强度矩阵 以边缘连接强度矩阵作为融合判据 进行图像融合 1 灰度数学形态学 1.1 灰度数学形态学 数学形态学[1]是以形态结构元素为基础对图像进行分析的数学工具 它的基本思想是用具有一定形 态的结构元素去度量和提取图像中的对应形状以达到对图像分析和识别的目的 数学形态学的应用可以 简化图像数据 保持它们基本的形状特征 并除去不相干的结构 数学形态学的基本运算有4 个 膨胀 腐蚀 开启和闭合 收稿日期 2006-09-13 基金项目 四川省教育厅青年基金项目资助 2004B018 作者简介 刘伟军 1970- 男 四川德阳人 实验师 主要从事计算机网络与图像处理研究 万方数据 四川理工学院学报 自然科学版 年 月 22 2006 12 设f(x, y)是输入图像 b(x, y)是结构元素 用结构元素b 对输入图像f 进行膨胀和腐蚀运算分别定义