图像融合技术在图形融合中应用研究.docVIP

图像融合技术在图形融合中应用研究 　　摘 要 信息融合技术是一门在一定准则下，研究利用计算机信息技术对多源信息进行自动处理、分析和综合的高新技术学科，利用合适的数据联合方法和数据分析工具，合成融合所需的信息，为最终的实验结果提供数据支持。基于RGB颜色模型的图形融合算法，首先利用网格采样离散化图形数据，然后将分解成像素级的融合单元进行分类分析并应用于相应图形进行融合处理，最后利用颜色差异性的特征来进行加权融合处理，并使用小波变换或中值滤波技术消除融合噪声，充分利用各图层的容易信息，避免图形叠加。 　　关键词 叠加图形；图形融合；网格采样；加权平均 　　中图分类号：TP391 文献标识码：A 文章编号：1671-7597（2014）06-0036-02 　　在这个大数据时代，图形技术的要求不断提高，为数据的处理提出了更高的要求。例如，空中交通管制处理的云图数据，要求能够接收并处理多部气象雷达通道和云图数据，同时采集到多幅图像应综合成一幅完整的系统融合图像。现有的系统综合图形显示方式将不同图形叠加部分进行分层显示，以颜色最深最强的为基准。但是该方式都是忽略掉了实际应用中人眼的视觉特征和目标的实际特征，因为实际的图形是不能以单一的颜色来表示的，并且分布疏密也不是统一的。本文利用图像融合技术，结合小波变换解决了该问题。 　　1 基于像素级图像融合的扩展介绍 　　什么是图像的像素级融合呢，它是指图像处理直接在采集到的原始图像上进行数据的融合，直接对图像的像素点进行信息的综合分析。基于像素基础上的融合方法，主要是对像素点的图像坐标直接进行差值、梯度、加权平均、比值运算、多元回归等数学运算。例如多元回归分析是一种将图像信息变量的进行多元统计分析的一种数理统计计算方法。多元回归的基本思想是：即使自图像坐标变量和图像矩阵因子变量之间没有确定性、严格的函数关系，但可以根据回归运算可以找出最能代表它们变量关系的数学表达形式。多元回归结果可作为新图像在该空间位置上的像素坐标。该方法的优点是融合的结果图形中仍能保持多幅采集图像的原始特征，可以用来为下一步图像处理提供更多的图形特性信息，实现更加精确地定位。 　　假如将像素级融合过程中的融合像素坐标扩展为多像素坐标的矩阵单元，就可实现图形颜色的融合，也就实现了图形融合处理。其融合流程如图1。 　　图1 图形融合流程 　　2 实现图形的网格采样 　　采集到的图像数据时间和世界坐标系坐标对多个坐标数据进行相关处理，然后将坐标转换到图像平面坐标下完成图像的空间坐标和图像坐标的转换。但因为不同图像的深度不同，故表示的颜色也不尽相同，但在实际应用中要想表示图像无法足够精确到图像的每一个像素点，只能以融合的图像坐标表示图形。在这里，我们利用马赛克方法对图形进行采样，具体的算法步骤如下。 　　1）根据图像图形边界各像素点计算出图形的凸包矩形值。 　　2）在凸包矩形内，定义最小为2像素数值的子矩形按照物理意义上的上下，左右顺序进行扫描，定义起始扫描点，同时设置终止扫描点。 　　3）在2单位的最小矩形中，根据图形深度赋值相应颜色并保存为单位像素。 　　该算法同扫描线种子填充算法原理相同，区别是本算法填充单位是最小单位为2的像素小矩形，而不再是单个的像素点。单位像素小矩形组成图形像素的集合，完成图形采样。这种处理结果就是不可避免的在对图形进行扫描采样时引起锯齿状走样现象。这种情况可利用不加权的图像坐标计算面积，即假设该图形所覆盖的该小方格的面积的份额同图形边界对小方格颜色值的贡献成正比关系。即完全覆盖的方格颜色不发生变花，部分覆盖的方格则根据面积的正比值进行相应的变换处理，进行正比赋值。这样可使图像变得平滑美观的多，并且在允许的误差内得到采样结果。图2为未配色的多边形的采样结果。 　　图2 图形采样效果图 　　3 图形融合 　　在采集的图像进行像素数据的网格采样后，得到采样图形的二位数据表示矩阵：，其中表示矩形起始点坐标，表示矩阵起始点坐标坐标，表示该矩形采样信息的颜色深度。此处可利用图像永和来完成图形色彩的融合，完成图形信息确定。 　　3.1 完成图形的求交运算 　　完成单幅图像的采样融合之后，采集到的不同图像之间的同一世界坐标系坐标点的图形采用了相同的网格定位和系统采样，即数据的坐标原点相同，因此图形的融合求交运算就可转化为集合和集合之间的求交运算。图形的叠加融合部分表示为： 　　求交过程见图3，这样得到的近视图像叠加部分的采样信息，颜色融合可作出相应的正比处理。 　　图3 图形的求交运算 　　3.2 巧妙利用加权平均实现图形融合 　　多图像融合加权平均是最简单的融合方法，就是对同一坐标系下的像素点坐标进行加权平均得到融合之后的像素坐标点。 　　加权平均图像融合的关键点事