基于
基于基于
基于
PCA
分解
分解分解
分解的图像融合框
的图像融合框的图像融合框
的图像融合框架
架架
架
潘
潘潘
潘
瑜
瑜瑜
瑜,
,,
,孙权森
孙权森孙权森
孙权森,
,,
,夏德深
夏德深夏德深
夏德深
(南京理工大学计算机科学与技术学院,南京 210094)
摘
摘摘
摘 要
要要
要:
::
:提出一种基于主成分分析(PCA)分解的图像融合框架。对源图像进行主成分分析,依据前几个主成分重建图像,经过下采样过程
得到近似图像,对近似图像进行上采样,得到上层图像的差异图像(即细节图像),将最底层近似图像与各层细节图像进行累加完成图像的
重构。实验结果表明,该方法能保持图像细节,具有较好的融合效果。
关键词
关键词关键词
关键词:
::
:图像融合;主成分分析;近似图像;细节图像;多尺度分解
Image Fusion Framework Based on PCA Decomposition
PAN Yu, SUN Quan-sen, XIA De-shen
(School of Computer Science and Technology, Nanjing University of Science and Technology, Nanjing 210094, China)
【
【【
【Abstract】
】】
】This paper proposes an image fusion framework based on Principal Component Analysis(PCA) decomposition. PCA is applied to the
source images; then approximate images are acquired after subsampling the image reconstructed with the first few components; the differences
between current approximate image and the last approximate image construct the detail image; the last approximate image and all of the detail
images are merged into a new fused image. Experimental results demonstrate that this framework is able to get good performances in image fusion
by keeping more details.
【
【【
【Key words】
】】
】image fusion; Principal Component Analysis(PCA); approximate image; detail image; multi-scale decomposition
DOI: 10.3969/j.issn.1000-3428.2011.13.068
计 算 机 工 程
Computer Engineering
第 37 卷 第 13 期
Vol.37 No.13
2011 年 7 月
July 2011
·
··
·图形图像处理
图形图像处理图形图像处理
图形图像处理·
··
·
文章编号
文章编号文章编号
文章编号:
::
:1000—
——
—3428(2011)13—
——
—0210—
——
—03
文献标识码
文献标识码文献标识码
文献标识码:
::
:A
中图分类号
中图分类号中图分类号
中图分类号:
::
:TP391
1
概述
概述概述
概述
作为信息融合的一种,图像融合综合了多传感器的图像
信息,通过对多源信息的提取与合成,最终获得一幅对同一
场景目标更为准确、全面、可靠的图像。高可靠性、强鲁棒
性的图像融合方法要求在不丢弃源图像有效信息的同时,在
生成图像中不出现臆造的虚假信息。图像融合方法种类繁多,
像素级的图像融合方法可分为多尺度分解方法和非多尺度分
解方法。
非多尺度分解方法大多是基于数值方法的融合,其中最
简单的是均值融合方法。这种方法计算简单,能较好地保持
源图像的灰度层次,然而,融合结果极易丢失源图像的局部
对比度以及边缘细节信息。
基于多尺度分解 的方法是近来图像融合方法的 研究热
点。这类方法通常的融合框架有
3
个步骤:
(1)
依据某种分解
规则,将源图像分解为近似图像和细节图像;
(2)
使用不同的
融合准则,分别对各个尺度上的近似图像和细节图像进行融
合;
(3)
根据融合后的近似图像和细节图像进行图像重建,得
到最终的融合图像。
使用不同的分解规则,产生了多尺度图像融合方法中的
金字塔融合方法、小波分解方法等。文献
[1]
对传统的融合框
架进行了改进,提出了“先融合后分解”的思想,通过在小
波分解前添加图像的梯度信息,从而减少基于小波变换的融
合方法容易出现的振铃现象的概率。许多学者针对融合框架
中 的 第
2
步 融 合 准 则 进 行 了 改 进 。 主 成 分 分 析
(Principal
Component Analysis, PCA)
方法是一种常用的融合准则。
PCA
方法运用于高分辨率全色图像与低分辨率多光谱图像的融合
时,通过用高分辨率全色图像替代由低分辨率多光谱图像提
取出的第一主成分,得到同时具有高空间分辨率和高光谱分
辨率的融合图像。而当该方法应用于同分辨率图像的融合时
则多以近似图像的融合出现。
本文针对融合框架的第
1
步
(
即分解规则
)
进行改进,提
出一种基于
PCA
分解的图像融合框架。
2
基于多尺度分解的图像融合
基于多尺度分解的图像融合基于多尺度分解的图像融合
基于多尺度分解的图像融合
基于多尺度分解的图像融合过程如图
1
所示。
图
图图
图
1
基于多尺度分解的
基于多尺度分解的基于多尺度分解的
基于多尺度分解的图像
图像图像
图像融合过程
融合过程融合过程
融合过程
不同的多尺度分解方法构造出了源图像在不同尺度上的
不同表示方法。这样就可以得到源图像在各个尺度上的近似
图像和细节图像,从而应用各种融合准则对各部分进行融合,
最后通过反变换就能够得到重建后的融合图像。
文献
[2]
研究了通用于多尺度分解方法的融合准则,其近
似图像的融合采用了
PCA
的方法,细节图像的融合则使用了
一致性检测方法。该方法具有一定的通用性,然而对于相关
性较弱的图像,融合效果不尽如人意,常常导致图像灰度失
真。为了最大程度地保留源图像细节信息,同时保持源图像
中的灰度层次,本文提出了基于
PCA
分解的融合框架。
基金项目
基金项目基金项目
基金项目:
::
:国家自然科学基金资助项目(60773172)
作者简介
作者简介作者简介
作者简介:
::
:潘 瑜(1984-),女,博士研究生,主研方向:模式识别,
图像处理,图像融合;孙权森、夏德深,教授
收稿日期
收稿日期收稿日期
收稿日期:
::
:2010-12-30 E-mail:
::
:panyu_py@yahoo.com.cn