_形态学在图像融合中的应用概论.doc

学号 校代码 分类号 本科学年论文（设计） 形态学在图像融合中的应用 内容摘要：形态学作为一门新兴的并以形态为基础对图像进行分析的学科，已得到了人们的广泛关注。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且边缘模糊。本文介绍了一种新颖算法，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。该算法运算简单，容易理解符合人们对图像清晰度的要求。 关键词 ：形态学，边缘，模糊，图像融合 目 录 ①如果结构元素的值都为正的,则输出图像会比输人图像亮(或暗) ;②根据输人图像中暗(或亮)细节的灰度值以及它们的形状相对于结构元素的关系，它们在运算中被消减或被除掉。灰度数学形态学中开启和闭合运算的定义与在二值数学形态学中的定义一致。 (3)开运算 先腐蚀后膨胀的过程称为开运算。它具有消除细小物体、在纤细点处分离物体和平滑较大物体的边界时不明显改变其面积的作用。开运算的定义为： (3) f被b开运算就是f被b腐蚀后的结果再被b膨胀。 (4)闭运算 先膨胀后腐蚀的过程称为闭运算。它具有填充物体内细小空洞、连接邻近物体，在不明显改变物体面积的情况下平滑其边界的作用。闭运算的定义为： (4) f被b闭运算就是f被b膨胀后的结果再被b腐蚀。 形态学运算当中开运算定义为先腐蚀后膨胀，而闭运算定义为先膨胀后腐蚀。原因是开运算可以抑制信号中的峰值噪声，而闭运算可抑制信号中的低谷噪声。 1.2、形态学边缘检测算子 图像中对象及特征直接取决于形状，数学形态学的目的是在时域空间研究形状，所以形态学适用于图像处理。形态运算中的腐蚀、膨胀、开、闭是基于集合的运算。在这些运算中结构元素具有非常关键的作用，它调整图像特征变换的几何结构。图像边缘具有以下3个重要特征：①边缘处像素灰度值变化呈不连续性;②边缘两侧具有不同的纹理特征;③边缘处像素灰度值具有方向性。经典的微分算子，一般首先检测出图像局部特征的不连续性，然后再将这些不连续的边缘像素连成完备的边界。但由于噪声也具有灰度变化迅速的特点，所以用微分算子进行边缘检测存在“提升噪声”的缺点，如果进行减噪往往连同目标信息也一并去除。数学形态学则可以有针对性地选择结构元素和变换方式，可以对某一类特定目标进行减弱或加强。 基于灰度形态变换的边缘检测算子有膨胀边缘检测算子和腐蚀边缘检测算子以及形态梯度边缘检测算子，设f为灰度图像，g为结构元素，和分别代表形态运算中的膨胀和腐蚀运算符号，(r ,c)为图像像元坐标这些边缘检测算子分别定义如下： 灰度膨胀边缘检测算子为： ( 5 ) 灰度腐蚀边缘检测算子为： ( 6 ) 灰度形态梯度边缘检测算子为： ( 7 ) 式 ( 5 ) 是基于形态膨胀，所得到的图像边缘信号较弱,出现了图像的模糊边缘 ；式 ( 6 ) 是基于形态腐蚀，虽然所得到的图像边缘信号较强，但是相应地增强了噪声。 2、基于形态学的图像融合算法 本文算法的核心思想是：设图像F和G为待融合图像，图像F和G逐点按照灰度形态梯度边缘检测算子定义计算每点边缘强度,结构元选择位3乘3的十字形窗口，形成图像F和G的边缘强度序列表达X和Y。序列X和Y反映了图像F和G每点在3乘3的窗口内的灰度变化情况，当取值大时，该窗口灰度变化剧烈，可能包含边缘。将图像F和G逐点灰度值乘上序列X和Y对应的边缘连接强度，比较该乘积结果，并判断融合结果，形成融合图像。 形态学图像融合步骤如下： 第一步对待融合的两幅图像F ( i,j ) 和G ( i,j ) 分别逐点以3 * 3十字形结构元计算每点的形态学梯度得到 X (i,j)和Y( i,j ); 第二步对X ( i,j )和Y( i,j )进行调整,变换到指定的区间[a,b],变换公式如下: (8) (9) 第三步按照下式给出的融合准则，选择F( i,j )或者G (i,j )的灰度值作为融合图像H在