基于区域灰度统计信号处理的图像融合方法方案.ppt

配色方案修改： 配色方案在【格式】--【幻灯片设计】--【配色方案】--【编辑配色方案】下调整。 LOGO的添加： Logo添加修改在【视图】--【母版】--【幻灯片母版】下调整。直接选择logo图片删除或修改。 字体格式的设置： 括标题和文本格式的设置在【视图】--【母版】--【幻灯片母版】下调整。 基于区域灰度统计信号处理的图像融合方法 组员： XXX 近年来, 多传感器图像融合已经成为图像分析与计算机视觉的热点研究领域之一. 图像融合技术正在广泛应用于导弹制导、战场监测、遥感技术、医学诊断以及隐藏武器检测等领域. 图像融合方法可以针对不同的信息表示层, 即信号级、像素级、特征级和决策级。目前, 像素级图像融合仍是大多数国内外学者应用的主要方法, 这类方法往往是针对单个像素进行独立融合处理, 或者利用考虑相邻像素关系的固定模板进行滤波后, 再根据规则完成融合. 但是, 在多数图像融合的应用中, 人们往往更加关注通过区域反映出来的图像特征, 而且, 由于运用了更多的被认为是基于实际特征的智能语义, 基于区域融合体系的特征级融合方法在处理速度和图像质量上相对于基于像素的方法都会有显著提高. 因此, 本文利用所提出的一种新的基于区域内灰度特征统计信号的多分辨率图像融合策略,对在融合前已经配准好的两种波段源图像进行了融合. 1.由区域生长法构建区域映射图 区域生长算法是将具有相似性质的像素集合起来构成区域, 其关键技术在于种子点的确定和生长准则选取. 本文对可见光图像, 所选种子点为图像上的非边缘点; 对红外和毫米波图像, 目标辐射值一般最大, 因此种子点为图像上灰度值最大点. 将候选像素灰度值与当前区域平均灰度相近程度作为各不同波段图像的统一生长准则, 即 式中, 为候选像素灰度值; 为区域灰度均值; T 为相似性阈值. 通过建立矩阵来记录不断发生变化的区域灰度均值和区域面积(像素数),并在每次生长后如下式所示更新矩阵: 式中, 为m 次生长后区域标号为i的灰度均值; 为该区域此时的面积. 1. 1 图像预分割的区域生长算法 种子点确定以后, 在其附近遵循生长准则, 采用FIFO( First In First Out)的队列结构完成区域生长, 形成以区域标号表示分割结果的区域映射图, 步骤如下. 1) 建立种子队列Q, 加入所有种子像素. 2) 判断Q 是否为空, 如非空, 取出队首像素S, 建立生长队列P, 开始生长, 否则结束生长. 3) 判断P 队首元素S1 4-邻域内的候选像素S2是否满足生长准则. 若满足, 则将其添加到P 的队尾, 表示该方向生长继续; 否则, 停止该方向上的生长, 检测其他候选像素; 当生长过程中遇到边缘时, 同样停止该方向上的生长. 若已完成S1的4-邻域生长, 则将其从队首删除. 若生长区域没有新像素加入则返回步骤2). 4) 在生长过程中, 每当有新的像素加入到P中, 更新生长区域的 值和区域面积 .上述生长过程完成后即可获得源图像以标号表示的区域映射图. 1. 2 区域生长形成区域映射图 由于各种图像传感器成像机理不同, 对场景的解释一般也不完全相同, 为了能基于灰度特征的统计特性建立图像融合的计算模型, 需要对各传感器拍摄图像的分割结果进行综合 . 本文提出了一种如图1所示的基于裂缝边缘的区域分析法, 可有效地将各源图像的区域映射图进行合并,形成联合区域映射图. 2. 裂缝边缘法构造联合区域映射图 裂缝边缘一般用于评定相邻像素对之间的性质差异. 在上述以标号表示所生成的区域映射图中, 每个标号像素拥有4个裂缝像素(图中用“*”表示), 可根据该标号像素与其4-邻域内标号像素的差异性将其中一些裂缝像素标记为裂缝边缘. 标记原则为: 如果裂缝像素的上下、左右或对角标号不相同, 则标记为1(裂缝边缘, 图中以I* 表示), 否则标记为0(非裂缝边缘), 这样就利用裂缝边缘将不同区域彼此隔离. 下图表示了裂缝边缘的建立过程, 图中的数字1, 2分别表示不同区域的标号. 2. 1 裂缝边缘的建立过程 对上图所建立的各区域映射图的裂缝边缘标记图进行 或!运算, 即可得到图3c所示的联合 裂缝边缘图, 而联合边缘裂缝的边缘封闭性, 可以确保对之进行新的区域填充. 对联合裂缝边缘图进行填充后, 再将图3c所示的所有插入的裂缝像素去除, 最终即得到图3d中所述的联合区域映射图. 2. 2 联合区域映射图的生成 EM ( Expectation Maximization) 算法是一种参数估计算法, 适用于在观测数据不完全的情况下对模型的分布参数进行迭代估计. 基于EM的区域融合算法就是根据各传感器对真实场景的观测结果, 利用区域中随机噪