基于小波变换与图像融合算法红外图像增强技术研究.docVIP

基于小波变换与图像融合算法红外图像增强技术研究 　　本文针对红外图像增强问题提出了一种基于小波变换和图像融合相结合的改进型算法，增加了对首次生成的融合系数进行运算得到二次融合规则，然后通过重构公式融合图像。实验证明，该算法能够有效的改善红外图像，对高斯噪声也有一定的消除作用。 　　【关键词】小波变换 图像融合 红外图像增强 　　1 引言 　　红外探测器由于本身成像原理决定了所获取的图像信噪比比较低、目标模糊不清，在对地面目标进行跟踪时容易受到干扰等问题。为了解决这个问题，出现了各种图像增强算法从不同的角度提出了解决办法。传统的图像增强算法主要分成两大部分：空间域算法和变换域算法。其中较常见的有通过改变图像直方图的方法，如：傅里叶变换、直方图均衡化（histogram equali-zation）、直方图规定化（histogram specification）、小波阈值去噪、直接灰度变换等。然而这些算法要么减少部分图像的灰度值，要么偏重增强，在实际应用时存在如下缺点： 　　（1）在图像非常均匀时，直方图后的图像灰度级分布过于集中，但如果采用均衡算法，灰度级将又会被拉得过开，导致图像的信噪比变得很大，严重影响使用效果。 　　（2）当场景变换时，图像的整体亮度会发生变化。 　　（3）只适用于某特定的场景，不能自我调整适用于大部分场景。 　　本文提出了一种基于小波变换与图像融合相结合的红外图像增强处理算法。小波变换具有良好的多分辨率特性，可以将图像按照不同的模板进行放大、分解，再从频域的角度进行处理。在具体运算中，小波变换先将图像按照坐标分解成x高频、z高频、x低频、z低频以及对角线方向的高、低频信息，然后再将不同空域、不同分辨率、不同频率信息各个分解，得到不同的分解系数，从而得到不同场景下红外图像的预处理数据。因此小波变换在图像处理技术中经常为其他的算法提供预处理信息。传统意义上的图像融合是指利用多个传感器通过对同一场景采集同一时刻图像信息，再利用各个图像之间的互补关系，从而得到场景最完整的信息量。基于小波变换的融合算法的步骤为： 　　（1）将图像进行小波分解，得到各层各分量对应的小波系数。 　　（2）选取融合规则，对各系数进行运算选取。 　　（3）对处理后的系数进行小波逆变换得到融合图像。在图像融合算法中，融合规则的选取是至关重要的，它直接影响融合后图像的质量。因此，图像融合的根本就是通过小波变换得到适合的融合规则。目前融合规则按照预处理数据的不同可以分成三个层次：像素级、区域级、匹配级。图像经过小波变换后会得到一个x、z方向低频图像和多个x、z、对角线方向的高频图像。高频图像舍弃了大部分图像信息，通过峰-峰值描述了红外图像的细节信息分量，低频图像则使用低通滤波描述了红外图像的轮廓分量。本文通过对小波变换和图像融合算法的改进，增强了高频图像与低频图像之间的联系，使用空域滤波最大限度的去掉高斯白噪声和椒盐噪声。本文算法主要步骤如下： 　　（1）小波对待融合图像进行分解，得到低频和高频子带系数； 　　（2）对高频和低频子带系数按照设定模板进行处理； 　　（3）对高频和低频子带系数按照相应的融合规则选取融合系数； 　　（4）分析融合系数，再次生成各自的融合规则； 　　（5）根据重构公式融合图像。 　　2 小波变换 　　图像信息中经过小波变换运算后得到系数中的高频子带系数则包含了图像的细节信息，包括噪声、细节和边缘信息等，低频子带系数可以用来表示图像的外围信息即轮廓信息。任意截取图像某一点，可以将该点表示f（x，y）点的梯度为方向矢量，其数学定义如下： 　　该点的矢量计算模为： 　　取计算模板为： 　　从以上计算公式可以看出，该采集图像点数值在其变化率方向上有一最大值，并且随着单位距离所增加的量而增加，而对于作为需要处理的数字图像来说，可用微积分运算表示。因此，该图像上的任意一点可以通过如下计算得到高频、低频及对角线子带信息： 　　3 图像融合 　　传统的融合规则偏重于空域频率所占全部信息较大的情况，这样可以获得较高的效果，但这样往往会忽略图像的亮度信息。本文提出的融合算法对传统的融合算法做了更改。首先对于移动目标，假设目标i在第k、k+1、k+2帧的位置分别为：，当进行后面的运算时，可以用如下公式来对消目标移动带来的影响： 　　融合规则通用系数选择公式如下所示： 　　高频子带融合规则： 　　对于集中图像大部分信息的背景图像，采用低频子带融合规则： 　　对以上公式使用加权算法进行融合，加权规则为 　　式中，a，b为权值参数：a（A（i，j）+B（i，j））代表原始图像低频子带系数的加权均值，影响融合后的图像的能量和亮度；b（A（i，j）-B（i，j））代表原始图像低频子带系数的加权