基于经验模态分解图像融合研究.docVIP

基于经验模态分解图像融合研究 　　摘 要:图像融合是对不同渠道摄取的同一景物的多幅图像进行处理,以得到更清晰更实用的图像的过程。它是图像处理过程中的一个重要环节,比如图像拼接就离不开图像融合,因而研究图像融合具有一定的现实和理论意义。目前,以小波分析为代表的多分辨率图像融合技术是一个研究热点,但小波基函数的选取是小波分析的难点,也是小波分析这种信号分析方法的最大瓶颈。经验模态分解则能突破这种障碍,它根据自身的特性自适应的进行信号分解,显示出极大的优越性。把经验模态分解用于图像融合,取得了良好的效果。? 　　关键词:图像融合;多分辨率分析;经验模态分解;固有模态函数? 　　中图分类号:G4 　　文献标识码:A 　　文章编号:1672-3198(2010)04-0047-01?? 　　1 引言? 　　数字图像融合(Digital Image Fusion)是以图像为主要研究内容的数据融合技术,是把来自不同时刻或不同成像设备对同一目标检测的多幅图像数据采用某种方法进行处理,生成一幅能够有效表示出该图像检测信息的图像的过程。由于不同模式的图像传感器的成像机理不同,工作电磁波的波长不同,所以不同图像传感器获得的同一场景的多幅图像之间具有信息的冗余性和互补性,经图像融合技术处理后可以获取对同一场景的更为精确、更为全面、更为可靠的图像描述。正是由于这一特点,图像融合作为信息融合的一种有力工具,已广泛地应用于军事、遥感、机器人视觉和医学图像处理等领域。? 　　图像融合包含图像配准和无缝合成两个部分。由于成像时受到各种变形因素的影响,得到的各幅图像间存在着相对的几何差异,所以需要对待融合的图像进行配准。图像配准是通过数学模拟来对图像间存在着的几何差异进行校正,把相邻两幅图像合成到同一坐标系下,并使得相同景物在不同的局部图像中对应起来,以便于图像无缝合成。图像配准之后,在某些情况下,由于拍摄时光照、环境条件(如噪声、云、烟雾、雨等)、视野、地点的差异,两幅待拼接图像地重叠区域可能会有较大的差别。如果直接对这样的图像进行简单的叠加拼合,得到的拼接图在拼接位置上会存在明显的接缝以及重叠区域的模糊和失真现象。因此需要一种技术???正待拼接图像拼接缝附近的颜色值,使之平滑过渡,实现无缝合成。? 　　根据图像的表征层来划分,图像融合可分为三类:像素级融合、特征级融合和决策级融合。常用的融合方法 有HIS融合法、KL变换融合法、高通滤波融合法、样条变换融合法、金字塔变换融合法、小波变换融合法等,尤其是多分辨率分析方法 (金字塔变换,小波变换等)具有明显的优势。小波变换融合算法主要是利用人眼对局部对比度的变化比较敏感这一事实,根据一定的融合规则,在多幅原图像中选择出最显著的特征,例如边缘、线段等,并将这些特征保留在最终的合成图像中,但不能根据不同的图像自适应地选择合适的基函数。而经验模态分解方法不仅能提取图像中边缘、线段等特征,还能根据自身的特性自适应地进行图像分解,因而在图像融合方面具有明显的优势。这也是本文提出基于经验模态分解的图像融合方法的原因之所在。? 　　2 经验模态分解? 　　1998年Huang等人提出经验模态分解(Empirical Mode Decomposition,EMD)技术,这是一种数据驱动的自适应的变尺度多分辨信号分析方法,它根据信号自身的特性进行信号分解,对外界的依赖很小,特别适合分析非平稳非线性信号。EMD的基本思想是找出信号的局部极大值和局部极小值点,对这些点进行曲线插值,获得信号的上、下包络线和均值包络线,然后利用筛选算法把符合固有模态函数(Intrinsic Mode Function,IMF)的信号依次分解出来。即把一个分析信号分解成若干个固有模态函数和残差信号之和。经验模态分解方法能把非平稳、非线性信号分解成一组稳态、线性的数据序列集,即固有模态函数集。这些固有模态函数相互独立。这种方法本质上是通过信号极值获得固态振动模式,然后由固有模态函数来分解信号,即经验模态分解算法是一种信号筛选法,根据信号本身的特性,按照频率由高到底的顺序逐层筛选出信号本身固有的模态函数。下面给出Lena图像的经验模态分解图(如图1所示)。? 　　图1 经验模态分解结果图 　　3 基于经验模态分解的图像融合? 　　由于经验模态分解是变尺度多分辨信号分析方法,能按照频率由高到底的顺序逐层筛选出信号本身固有的模态函数,故此,我们可以先筛选出所做融合的图像组的各个固有模态函数,然后对不同次序的固有模态函数选取适应的融合算法,最后对各个融合结果加权平均得到我们的融合图像。即 　　另面视前一篇情况可加可不加?I?r=λ?1(I?1+I?2)+λ?2(IMF1??I?r?+IMF1??I?2?)+λ?3(IMF2??I?1?