基于神经网络与向量小波的图像融合算法.pdfVIP

370 计算机技术与应用进展·2006 基于神经网络与向量小波的图像融合算法。 王振飞1，2范刚龙3王能超2 1郑州大学信息工程学院河南郑州450001 2华中科技大学计算机科学与技术学院湖北武汉430074 3平顶山工学院计算机科学与工程系河南平顶山467001 描要：本文提出了一种基于向量小波和神经网络的图像融合算法。首先对各源图像进行向量小波变 换，根据变换后系数计算出各子块图像的清晰度，选取子块图像部分区域清晰度作为前溃神经网络的 训练样本，调整神经网络权重；然后用训练好的神经网络组合融合图像的向量小波系数，对组合后的 系数进行一致性校验；最后对该系数进行向量小波逆变换，得到融合图像。实验结果表明，该算法能 够较好地解决多传感器图像融合问题，生成的融合图像效果优于传统图像融合方法。 关键词：图像融合向量小波变换清晰度神经网络 1引 言 多传感器图像融合是将不同传感器得到的多个图像根据某个算法进行综合处理，得到一个新的满足某 种需求的新图像，从而使融合后的图像具有更高的可信度和清晰度、很好的可理解性【1】。图像融合涉及信 号与图像处理、统计估计理论和人工智能等多个学科，已成为一种重要的图像分析和计算机视觉技术。 在图像融合方法中，具有代表性和比较流行的是多分辨率分解的图像融合方法。Burt等人提出了拉普 拉斯金字塔算法之后，基于比率低通金字塔、梯度金字塔等融合方法相继出现【2】。文献【3】提出了基于神经 网络的多聚焦图像融合方法，其思想是将原始图像分割成块，通过计算每个块的空间频率、可见度以及边 缘特征来训练神经网络，用其来判断是清晰区域还是模糊区域，进行融合。随着小波理论的兴起，人们开 始将小波多尺度分解用于图像融合【4】。由于小波分解具有非冗余性．使得图像经小波分解后的数据总量不会 变大，利用小波分解的方向性，就有可能针对人眼对不同方向的高频分量具有不同分辨率这一视觉特性，获 得视觉效果更佳的融合图像。特别是近几年兴起的基于多带小波变换【5】和形态小波【6】的图像融合方法，能 够为图像提供一种比小波多分辨分析更加精确的分析方法，改善融合图像的视觉清晰度。向量小波是小波 理论的扩展，在图像处理方面具有标量小波所不具有的优点。它能够为图像提供一种比小波多分辨分析更 加精确的分析方法。本献[7】在研究了向量小波变换的特性后，提出了一种基于离散向量小波变换的图像融 合方法，并将由不同传感器获得的不同分辨率的遥感图像数据利用此方法进行了融合。不仅能够完好地显 示了源图像各自的信息，而且能很好地将源图像的细节融合在了一起。 本文通过分析离散向量小波变换，结合神经网络的自适应性，提出了一种基于离散向量小波变换和神 经网络的图像融合策略。该方法将配准的两幅图像分别进行向量小波分解，选取源图像中对应子块区域的 清晰度进行神经网络训练，用训练好的神经网络输出融合图像的向量小波系数，最后对组台后的系数进行 向量小波逆变换．生成的融合图像。这种方法不仅能够完好地显示了源图像各自的信息，而且很好地将源 ‘基金赞助：国家自然科学基金 作者简介：王振飞。1973年生，博士研究生，主要研究领域为小渡分析，图像处理；范刚龙，副教授，研究方向为软件复用 圈像处理；王能超，教授．博导，研究方向为演化算法。快速算法，小波分析。 图像的细节融合在了一起。通过实验与其它图像融合方法进行了主观与客观方面的评价比较，证明了采用 这种方法可以得到更好的融合效果。 2向量小波变换与神经网络 2．1向量小波变换 向量小波与标量小波的区别在于向量小波基是由r个小波母函数经过平移伸缩生成，在实际应用中可以 烈r)满足下列二尺度方程： ■PI m(f)=∑Ckm(2t一女)． (1) k=O 型 ’l，(f)=2D