基于contourlet变换和模糊理论的多聚焦图像融合.pdf.pdfVIP

第 30卷第 2期 泉州师范学院学报 Vo1．3ONO．2 2012年 3月 JournalofQuanzhouNormalUniversity M ar．2012 基于 contourlet变换和模糊理论的多聚焦图像融合 陈木 生 (泉州师范学院物理与信息工程学院，福建 泉州 362000) 摘 要 ：研究一种基于contourlet变换和模糊理论的图像融合新算法．首先 ，对源图像进行 contourlet变 换；再对eontourlet系数 中低频和高频部分采用不同的融合规则 ，即低频部分采用基于模糊集的 自适应加权融 合方法，高频部分采用区域能量最大的方法进行融合；最后再通过 contourlet逆变换 ，获得融合图像．实验结果 表明该算法能够取得较好的融合结果． 关键词：contourlet变换 ；模糊理论 ；图像融合 ；多聚焦 中图分类号：TP391 文献标识码：A 文章编号：1009—8224(2012)02-0023—04 多聚焦图像融合是将不同聚焦的多幅图像进行融合，形成一幅较为清晰的图像，其 目的是使多个 目标同 时较为清楚地显示在同一图像中，使融合图像更符合人或机器视觉的特性n]．小波变换作为一种图像多尺度 几何分析工具，具有 良好的空域和频域特性，在图像融合中能够得到较好的效果．但是对于具有一维奇异性的 边缘，小波基不是最优的小波基，小波变换不能充分利用图像数据本身所具有的几何特性，挖掘图像的边缘方 向信息，并且在图像融合中容易产生块状效应 ，降低融合结果的质量．为了克服小波变换在图像处理中的局限 性，M N．D0等人提出一种 “真正”的二维图像几何表示方法，即contourlet变换．该变换不仅包含了小波变换 的多分辨率时频分析特性，并且能用不同尺度、不同频率的子带更准确地捕获图像中的分段二次连续曲线，具 有更好的方向性和各 向异性，还能用 比小波变换更少的系数来表达光滑的曲线，实现二维 图像的稀疏表 达L2刮．目前，基于 contourlet变换的图像融合规则很多，主要是基于区域能量、方差、梯度等特征量的融合方 法，不同的方法对融合结果有一定的影响，并且大部分融合规则都具有融合结果的信息不完全、易受噪声干扰 等问题．为解决这一问题 ，模糊推理作为一种解决不确定性问题的有效手段被引入到图像融合中[s．6]． 模糊推理是一种基于模糊逻辑、能够有效解决不确定性问题的不确定性推理方法，广泛应用于目标识别、 图像分析、自动控制、智能信息处理和计算机科学等领域．它具有易于理解、灵活性好、包容不精确数据，能够 改进图像融合的性能，并尽可能多地将源图像中的信息融人融合图像中[ ．因而本文提出一种基于模糊推理 和 contourlet变换的多聚焦图像融合方法． 1 contourlet变换 contourlet变换首先用一个类似小波的多尺度分解捕捉边缘奇异点，再根据方向信息将位置相近的奇异 点汇集成轮廓段．其主要由两部分组成，一是拉普拉斯塔式分解，二是方向滤波器组(DFB)．其原理是先用拉 普拉斯塔式滤波器(LP)对图像进行高斯金字塔分解 ，产生原始信号的一个低通采样及带通图像，并且这一分 解过程反复在低通采样图像上进行迭代，这样就可得到一系列的不同分辨率的低频子带和高频子带．再将方 向滤波器组应用于LP分解得到的每一级高频子带上，在任意尺度上分解可得到2的 次方个方向子带．图像 每次经LP子带分解产生的高通子带输入 DFB，逐渐将点奇异连成线形结构，从而捕获图像中的轮廓．因而 contourlet变换具有更好的方向性和各向异性，表示图像边缘的contourlet系数能够更加集中，同小波系数的 统计特性相同，contourlet系数分布也具有持续性和聚集性．在实际应用中，方向数一般随着尺度增加而增加， 收稿 日期 ：2011—12—04 作者简介：陈木生(1980一)，男，福建泉州人，讲师，硕士，从事小波变换、数字水印以及图像融合研究． 基金项目：福建省教育厅科技项 目(JA1O239) 泉州师范学院学报 2012年 3月 在分解中高维情