视觉传感器网络中基于离散余弦变换的多聚焦图像融合.doc

视觉传感器网络中基于离散余弦变换的多聚焦图像融合 视觉传感器网络中基于离散余弦变换的多聚焦图像融合 /view/B6C7AC2536ADEDEE.html 摘要 本文明确提出了一个简单而有效的多聚焦图像融合方案，用于配备资源有限的无线视觉传感器系统，监控采用电池供电的图像传感器，像战场的危险环境等。这里多聚焦图像融合是基于离散余弦变换(DCT)域计算更高值的交流电(AC)系数。所提出的方法克服了低功率设备的计算和能量限制以及在图像质量和能量计算方面的研究。仿真在Mica 2 mote中Atmel Atmega128处理器上完成节能结果的测定。实验结果验证了与DCT域其他融合技术相比，该方法在输出质量和能量消耗上的效率有显著的提高。 关键字：图像融合；离散余弦变换；视觉传感器网络；融合指标 1．介绍 图像融合是从传感器网络中多个源图像组合成一个单一图像的过程，其中包含更精确的场景描述，更多的信息以及适合于视觉感知和进一步处理[1]。多聚焦图像融合技术，重点在不同的物体所捕获场景的多个图像的融合，使得所有的物体清晰出现在合成的图像中到目前为止，一些研究也主要集中在空间和光谱领域[2-8]的图像进行图像融合。文献[3-5]提到在小波域的各种多聚焦图像融合算法。文献[3]基于小波系数分布的统计清晰度测量常用于在小波域的自适应图像融合。为取代离散小波变换(DWT)将图像分解到频域，在[4]中离散平稳小波变换克服了缺乏离散小波变换的平移不变性。然后融合变换系数和通过逆离散平稳小波变换构成融合图像。小波并不代表融合结果的长边缘好，多聚焦图像融合是通过组合小波和曲波变换来提高质量[5]。但限制它比基于小波的方法消耗更多的时间，因为应用了两个不同多尺度分解的过程。然而基于DWT多聚焦图像融合有自己的缺点。DWT需要大量的卷积计算，消耗太多的时间和内存资源，阻碍了在资源有限电池供电的视觉传感器节点上的应用。 与基于DWT的方法相比，基于DCT的融合所需能量少。因此基于DCT的融合方法更适合于资源有限的设备。由于计算能量比传输能量要少得多，在自动战场中，机器人从传感器网络收集的图像数据[9]传输之前，数据要压缩和融合。当源图像是联合图像专家组(JPEG)编码标准或当所得融合图像保存或以JPEG格式发送，在DCT域的融合方法将是更有效的[7,8]。对比敏感度的方法采用[7]构建融合图像。不同模糊图像的相应AC系数的对比比较及最大对比值AC系数被选择为融合图像的AC系数。但每个AC系数的对比度计算涉及复杂的浮点运算 及由于DCT系数的选择多样性使融合图像遭受块效应。在[6,7] DCT表示的融合图像通过取平均获得所有DCT表示的所有输入图像，但融合结果有不良的模糊效应。为了克服不良的负面效应，如模糊或块效应，它们降低了融合图像的质量，基于在DCT域方差计算的多聚焦图像融合在[8]中提出。然而均值，对比度和方差计算的融合[7,8]涉及复杂的浮点算术运算，导致资源有限电池供电的传感器节点能耗高。 在本文中，一个简单高效的多聚焦图像融合方案适合于提到的资源受限(处理，带宽，存储空间，电池功率)的传感器网络。在提出的方法中，更多数量更高值的AC系数的图像块被吸收到融合图像。它是非常快的，因为它不涉及像均值或方差计算的任何复杂的浮点算术运算。所提出的融合规则大大降低了计算的复杂性，而不影响图像质量。由于提出的融合方案在DCT域进行，当融合图像需要保存或以JPEG格式[7,8]传输时，这是节省时间和简单的。仿真用爱特梅尔云母2微尘Atmega128的处理器进行，以测定所得的节能量。 离散余弦变换 2．图像融合 在所提出的方案中，关键步骤是DCT表示的多聚焦图像融合成一个单一的融合图像。输入图像被划分成大小为8?8的块和每块的DCT系数计算。然后融合规则是将更多数量更高值的AC系数的变换块吸收到融合图像。 2.1 离散余弦变换 二维DCT变换的N?N图像块f?x,y?[8]的定义为 N?1N?1??2x?1?u????2y?1?v??2F?u,v??c?u??v???f?x,y?cos??cos??? (1) N2N2Ny?0x?0???? 其中u,v?0,1,...,N?1且 ??ifu?0 c? u??? (2) ??1,ifu?0 逆变换定义为 ??2x?1?u????2y?1?v??2N?1N?1 f?x,y????c?u?c?v?F?u,v?cos??cos??? (3) Ny?0x?02N2N???? 其中x,y?0,1,...,N?1。这里F?0，0?是DC系数且表示图像块的平均值。其余的系数是AC系数。 2.2 基于方差融合 在[8]中的方差用于活动水平的融合标准，因为在多聚焦图像中，聚焦区域含更多信息和该区域的信息细节对应于高方差。据推断，一个N?