基于马尔科夫随机场模型图像融合.doc

基于马尔科夫随机场模型图像融合 　　摘要：图像融合的融合规则传统的算法是加权平均法与取最大值法。取最大值法保留了图像边缘信息，但缺乏噪声抵抗力；加权平均法弱化了噪声的影响，同时会丢失部分高频信息。目前，基于区域的融合规则发展起来，融合以块为单位，同时考虑像素之间的关系，但是图像的正确分割以及区域权值之间的不平滑过渡依然成为问题。该文建立马尔科夫随机场融合模型，以像素点的显著性及像素点与周边像素点的关系为约束，对像素点的权值做了优化估计。实验表明该算法效果显著 关键词：图像融合；马尔科夫随机场；融合规则；显著性；多分辨率融合 中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2017）06-0204-03 Abstract：Traditional fusion rules in image fusion are max rules and weighted average rule pixel by pixel. The former is able to preserve the textures while irresistance to noises； the latter is advantage to process the image with noises， but loses the high frequency information. Recently rules based on region have been improved. The fusion take the neighboring pixels account and fuse image segment by segment. However the correct segmentation and the inconsistent fusion weights between regions become problems. This paper designed a model based on MRF， making optimal estimation of pixels weight， with the saliency of the pixels and the connection among pixels as constraint. The experiment performs well. Key words：image fusion； Markov random field； fusion rules； saliency； multi-resolution fusion 1 概述 图像融合是将同一个场景的多张图像中的信息联系起来，组合成更适合人类视觉，或者更有利于进行进一步处理的图像[1]。从层级上分类，图像融合分为像素级、特征级、决策级，其中像素级融合是最基础最重要的一层。现有的像素级图像融合算法分?榛?于变换域的和传统的基于空间域的方法。传统的融合算法简单快速，弊端明显，因而基于变换域的融合算法被广泛使用。在基于变换域的融合算法中，融合规则在其中起着重要作用。传统的融合规则是基于像素点的，常见的基于像素的图像融合规则有加权平均法和取最大值法[2]，字面意思理解，都是对像素做简单的处理或者取舍。虽然拥有运算速度快，易实现等优点，但融合效果并不理想。随后出现的基于窗口的融合规则与基于区域的融合规则弥补了仅考虑像素点，忽略周边信息的短处，但是区域的正确划分本身是一个不能完美解决的问题。另外区域间的像素点所取权值被统一，区域间的权值没有联系，即使一致性检验[3]用于提高局部融合一致性，融合过后的人工痕迹明显 本文针对该问题提出一种基于马尔科夫随机场的融合模型，该模型对源图像像素点进行显著性表达，并以周边像素点的显著性作为约束，优化像素点的权值。该模型的重点在于模拟图像的显著性或者纹理，并将其对应为权值，图像的梯度幅值可以有效地反映图像的高频信息，因此像素点的显著性通过计算局部梯度幅值来表达 2 相关工作 图像融合建立在配准完成的车情况下，本文基于配准图像warp后的结果图像做图像融合，所用到的融合算法是离散小波变换。基于离散小波变换的图像融合是常用的图像融合算法，本文使用的模型建立在该融合算法基础上。该算法步骤如下： 1） 将图像分别进行高通和低通滤波，并分别进行二元降采样 2） 高低通图像分别进行同样的高低通滤波及二元降采样，一共得到四组图像[4] 3） 为了满足多分辨率融合，将进行了两次低通处理的图像重复进行1）2）步骤[5]，得到第2，3……n层的信息，具体的层数依据不同的场景和需求不同 4） 对最后一层的分解图像进行融合处理，融合