多源遥感图像像素级融合质量评价方法研究.pdfVIP

多源遥感图像像素级融合质量评价方法研究 裴红周陈炜毛士艺 (北京航空航天大学电子信息工程学院北京100083) 摘要：本文提出了一种新的基于小波多尺度分解的多源遥感图像像素级融合质量评价方法， 它模拟了视觉系统的三个主要特性；多通道性、掩盖效应和视觉非线性。仿真表明：该方法 的算法简单，计算量小，评价结果符合人眼的视觉特性，可用于像素级多传感器图像融合效 果评价。 关键词：多传感器，图像融合，小波分解，图像质量，视觉系统 1引言 随着遥感技术的发展，数据获取的手段日益增多，从最初的单一可见光传感器到目前的 多光谱、红外、合成孔径雷达(SAR)等传感器，数据量也急剧增加，如何有效地利用数据， 成为信号处理领域的热门问题。研究表明，由于不同的工作波段和成像原理，多源图像数据 有较大的互补性和冗余性，例如可见光图像具有较高的空间分辨率，但其频谱分辨率较差； 不同谱段的多光谱图像对地物的描述不同，如蓝光谱段对水体描述比较细致，红光谱段对人 造目标的描述比较细致等；近红外图像对土壤和岩石的描述更加细致，中波长和远波长红外 图像对热源目标比较敏感；SAR图像对金属目标和人造目标的角散射体比较敏感。作为一 种有效的数据处理方法，图像融合的目的在于综合对同一场景描述的多传感器图像的互补信 息，用一幅新图像代替多个源图像，以便更好地描述和理解场景，完成遥感观测、军事侦察、 智能控制等任务。在自动目标识别系统中，与单一传感器图像相比，多传感器融合图像会得 到对目标更精确的描述。 像素级图像融合质量评价是图像融合技术体系中一个重要组成部分，它是对一定融合算 法得到的融合图像进行质量评价，其意义在于对融合结果给出客观评价，比较各种融合算法 的性能。 本文提出了一种新的基于小波分析的像素级融合图像评价方法，利用小波分解与人眼视 觉模型多通道结构的相似性，将空域信号变换Nd,波域，根据小波系数的特征以评价融合算 法综合图像信息的能力。 2基于小波分解的融合质量评价 本文以两幅源图像A和B为例对评价算法进行描述，F为融合图像。首先对A、B和F 分别进行小波分解，然后在小波域计算A、B与F的相关性，得Nd,波系数保留值RAF、RBF， 根据A和B的小波系数的视觉重要性选取加权值，最后对小波系数保留值进行加权求和得 出评价结果Q。由算法过程可以看出，不难推广到更多的源图像。 2．1图像的小波分解… 小波分解能将图像信号分为占据不同频带的子图像，与人眼的多通道模型极为相似，因 此用小波来分析信号与视觉有很好的匹配程度。根据Mallat快速小波算法，小波分解可以 用与其相对应的低通滤波器h(x)和高通滤波器g(x)来实现。由于图像是二维信号，其多分辨 率分解可以看作分别按行和列方向对信号进行一维小波分解的结果。本算法采用三层Haar 255 小波分解，在变换域的每一层中，图像被分割为四个相同大小的子图像，分别为低频、水平 高频、垂直高频和对角高频，每一个子图像都是由上一层的低频图像与一个小波基函数做内 积，然后经过行方向和列方向的下采样得到。以小波分解的第i层为例，小波变换如下： c昙，劬，胛)=c?G，y)，≯G一2m，Y一2胛) ㈣ c三，沏，，?)=掣G，y)’缈2G一2聊，y一2，z)魏：蓦僦：苌二戮二磊三 一 c之。m，，z)=c?G，y)，缈3(x一2m，Y一2刀) 2．2小波系数保留值计算心1 本文提出的小波系数的保留值描述了源图像和融合图像之间的相关性，源图像与融合之 间的相关性越大，表明融合算法综合信息的能力越强，图像质量越高。以源图像A为例， RA8描述了融合图像F中保留源图像A的信息量，公式为： 剖，c。(，”，)×cF似，疗)。，IcA(，打，刀)llcF(，”，盯)l ㈤ R∥m，行)= 制一∞)嵋咖)晰咖)l≥Ic鼽胛】