基于小波分析与方向模板SAR图像融合技术研究.docVIP

基于小波分析与方向模板SAR图像融合技术研究 　　摘要：提出基于小波分析和方向模板的SAR图像融合算法，给出了在两种不同应用环境下的算法。仿真数据表明该方法是一种实用的、非常有效的SAR图像融合算法。 　　关键词：小波；SAR图像；方向模板；图像融合 　　中图分类号：TP391文献标志码：A 　　文章编号：1001―3695(2007)03―0280―03 　　多传感器图像融合就是将不同传感器获取的同一目标的图像数据进行空间配准，然后采用一定的融合算法将各图像的优点有机结合起来，消除各图像的缺点，产生新图像的技术。?? 　　多传感器图像的一般流程如图1所示。?? 　　图1多传感器图像的一般流程 　　常用的算法有HIS（Hue-Intensity-Saturation）方法、小波分析法、主分量分析法等。通过图像融合可以更好地解释和描述目标，提高对图像的信息分析和提取能力。多传感器图像的融合广泛应用于地质探矿与结构分析、农作物估产、地图制作与更新、军事目标识别等领域。?? 　　SAR图像的特点是受到Gamma分布的乘性噪声的干扰，而这种噪声使用常规的去噪方法很难去除。于是有了多视SAR的出现，多视SAR通过均值的方法可以降低噪声的干扰，但同时降低了SAR的分辨率。?? 　　小波分析具有良好的时频特性，可以有效地分离图像的低频近似部分和高频细节部分，可以有效地处理点状奇异性。小波分析是全局的滤波器，可以有效地保留图像的结构信息。?? 　　传统的基于小波分析的融合方法[1―6]都是首先对图像进行小波分解，保留分辨率较低的图像近似低频部分，然后把各图像的细节部分加权后得到新的细节图像，再进行小波逆变换。SAR图像由于受到斑点噪声的干扰，常用的小波分解加门限处理（软门限、硬门限）的方法对加性的高斯噪声非常有效，但不能有效分离乘性噪声，因此斑点噪声仍将进入融合后的图像；另外，小波分析对连续边缘无法识别，而这些边缘特征包含了大量的信息，边缘被当做独立的点进行处理，容易造成重要信息的流失。 　　 　　1基于小波分析和方向模板的SAR图像融合的算法框架 　　SAR图像融合的应用环境较多，它可能与低分辨率的图像，如红外图像、可见图像等，还可能与同等分辨率的SAR图像进行融合，因此不能采用相同的框架处理。另外，为简化起见，本文对融合前的预处理（配准、几何校正）不作讨论。 　　（1）SAR图像与低分辨率图像的融合（图2）?? 　　设图像A和图像B进行融合，A为常规低分辨率图像，B为SAR图像。?? 　　①求出A的均值和方差，对B进行处理。使得变化后图像B的均值和方差与A一致。?? 　　②对A进行小波分解，保留A的低频近似部分；对B作对数运算，然后进行小波分解。?? 　　③对B的细节高频部分进行门限化，然后与三个方向模板作卷积运算。?? 　　④对B的细节部分施行指数运算。?? 　　⑤用A的近似部分和B的细节图像进行逆小波分解，得到融合后的图像。 　　笔者认为低分辨率图像中信息大部分集中在低频部分，对高频部分完全舍弃，相反地，舍弃SAR图像的低频部分。用数学的语言描述上述算法： 　　图3相同分辨率的SAR图像间的图像融合 　　①求出A，B的均值和方差，对A，B分别进行处理，使变化后图像的均值和方差为两者原均值和方差的平均值。使得变化后图像B的均值和方差与A一致。?? 　　②对A，B进行小波分解，A，B的低频近似部分加权平均后作为新的低频部分。?? 　　③对A，B的细节高频部分分别进行门限化，然后与三个方向模板作卷积运算，A，B细节部分的局部方差大者，作为新的细节部分。?? 　　④进行逆小波分解，然后进行指数运算得到融合后的图像。 　　 　　2融合效果的评价参数及评价准则?? 　　与图像的其他处理相同，图像融合的评价包括主观评价、客观评价。客观评价中有三类统计参数[1]：①亮度信息，如均值。 　　②空间细节信息，如方差、信息熵和清晰度等。 　　③光谱信息，如扭曲程度、偏差指数和相关系数。?? 　　(1)均值和方差?? 　　均值为像素的平均灰度值，对人眼反映即为平均亮度，均值适中（128附近），则视觉效果良好；方差反映相对于均值的灰度离散情况，方差越大，灰度分布越离散。?? 　　(2)信息熵?? 　　对于灰度范围为{0，1,…,L-1}的图像直方图，其信息熵定义为 　　其中，Pi为各灰度出现的概率。信息熵的大小反映了图像携带信息的多少。融合后信息熵越大，说明融合后图像的信息量较大。?? 　　(4)扭曲程度?? 　　图像的扭曲程度反映了图像的失真程度，其定义为 　　(5)偏差指数?? 　　偏差指数用来比较融合图像和低分辨率图像的相对偏离程度，其定义为?? 　　(6)相关系数??