基于nsct的图像融合.pdfVIP

基于NSCT 的红外与可见光图像融合系统 的研究 摘 要 针对红外与可见光图像特点，提出一种基于非降 采样contourlet变换 （NSCT ）红外与可见光图像融合 算法。利用NSCT对源图像进行多尺度、多方向稀疏 分解，得到低频分量和各带通方向子带分量；引入图 像区域相关系数决策度，对低频子带采用基于区域方 差选大的融合方法，对于高频子带采用像素点的绝对 值选大的融合方法。实验结果表明，该融合方法可以 获得更多的细节信息，能获得较理想的融合图像。 关键词 图像融合；NSCT ；红外图像；可见光图像 0 引言 图像融合是指将两个或者两个以上的传感器在同 一时间或不同时间获取关于某个 目标或者场景的图像 序列加以综合，生成新的有关此场景解释的信息处理 过程。红外与可见光图像融合在军事领域和安全监控 领域有着广泛的应用。红外传感器和可见光传感器的 成像机理不同，红外成像利用的是 目标的辐射能量， 具有一定的穿透烟、雾的能力，抗干扰能力强，可以 在夜间工作，但是获得的红外图像一般较暗、信噪比 低、无色彩信息、缺少层次感，且 目标图像与背景对 比度低。边缘模糊；而可见光传感器是利用光的反射 率成像的。具有光谱信息更富、分辨率高、动态范围 大等优点，获得的可见光图像对比度相对较高，目标 包含一定的细节信息，但在黑暗背景下不易察觉。通 过对红外与可见光图像的融合，可以提高红外 目标的 可识别度和图像的清晰度，获得更加详细准确的信 息，是我们能在恶劣的环境下也能准确判断热源的位 置，在军事作战、电子产品检测、资源探测等众多领 域中都有广泛的实用价值。 根据融合层次不同，图像融合分为三个层次：像 素级图像融合，特征级图像融合，决策级图像融合。 目前较多的图像融合算法集中在像素级层次，可分为 两类：基于空间域的图像融合和基于变换域的图像融 合。其中变换域的图像融合是当前研究的热点，主要 有基于金字塔分解的图像融合，基于小波变换的图像 融合，基于contourlet变换的图像融合和基于非降采样 轮廓波变换 （NSCT ）的图像融合。其中NSCT变换是 在contourlet变换基础上发展而来的，继承了contourlet 变换的多分辨率性和多方向性，同时具有平移不变 性，能更好的捕捉和根中图像的重要几何特征。因此 本文采用NSCT变换进行图像融合。 1 NSCT理论 在各种多尺度几何分析方法中contourlet变换将小波变换的优点延伸 到高维空间能更好地刻画高位信息的特征，适合处理具有超平面奇异性 的信息，但是由于其变换过程中的下采样操作，使其不具有平移不变 形，随后提出了NSCT变换，NSCT 由非下采样金字塔 （Nonsubsanmled Pyramid,NSP ）和非下采样方向滤波器组 （Nonsubsampled Directional Filter Bank,NSDFB ）构成。它将尺度分解和方向分解分开进行，首先由 NSP多图像进行多尺度分解以“捕获”奇异点，然后由NSDFB将分布在同 一方向上的奇异点合成为一个系数。NSCT变换取消了降采样和采样环 节，使其不仅继承了Contourlet变换的特性，更具有比Contourlet变换更 高的冗余度和平移不变性，能有效表示图像的边缘和轮廓特征信息，同 时对图像进行NSCT变换后的低频子带不会有频率混叠现象产生，因而 具有更强的方向选择性。图1所示为NSCT 的结构示意图。 图1 NSCT结构示意图 2 基于NSCT 的图像融合 图像经过多尺度几何分解后，得到的低频部分代表了图像的近似分 量，主要反映了源图像的平均特性，包含了源图像的光谱信息和大部分 的能量信息；分解后的高频子带代表了图像的细节分量，如边缘、直 线、区域边界等，描述了图像的结构信息。因此，源图像分解后的高、 低频部分需要分别进行融合，其融合算法的选择非常重要。图像融合需 的下几个步骤为： 1） 红外光与可见光图像分别进行K级NSCT分解，分别得到分解后 的NSCT系数，和其中 为低频子带系数，为k尺度下l方向的高频子带系 数，I为红外图像，V为可见光图像。 2 ）一定的