Directionlet变换用于红外与可见光图像融合的研究

© 2012作者由爱思唯尔公司出版信息工程研究院负责评选和同行评议可在www.sciencedirect.comwww.sciencedirect.com上在线获取IERI Procedia 3（2012）67 - 722012未来计算机支持教育基于Directionlet变换的红外与可见光图像融合研究邓明辉a，b *， 曾庆双a，张兰英ba哈尔滨工业大学航天学院，中国哈尔滨东北农业大学电气与信息工程学院，哈尔滨，150001摘要Directionlet变换是一种基于格的倾斜离散小波变换。与标准的二维小波变换相比，它具有多方向性和各向异性的优点，更能描述图像的特征。针对异源图像融合的研究热点，提出了一种基于Directionlet变换的融合算法，并将该变换与提升算法相结合，有效地提高了融合速度。首先，在变换方向和对齐方向之间，分别对两幅配准后的源图像进行提升Directionlet变换，得到各向异性子图像。然后对低频分量进行平均组合，根据各向异性信息较强的高频子图像的选取原则，对高频子图像进行边缘提取。最后，通过逆Directionlet变换得到融合图像。实验结果表明，该方法的融合效果和速度均优于标准小波变换和其他第二代小波变换。© 2012由Elsevier B. V.出版由信息工程研究所负责选择和同行评审根据CC BY-NC-ND许可证开放访问。关键词：图像融合，红外图像，方向波变换* 通讯作者。联系电话：电话：0451-82450112电子邮箱：markdmh@163.com。2212-6678 © 2012由Elsevier B. V.出版信息工程研究院负责评选和同行评议在CC BY-NC-ND许可下开放访问。d o i ：10.1016/j.ieri.2012.09.01268邓明辉等/ IERI Procedia 3（2012）671. 正文1.1. 介绍红外与可见光图像融合是图像融合领域的一个重要分支。由于其在军事领域的应用价值，国内外许多研究机构都给予了极大的关注，并得到了迅速的发展。由于红外传感器和可见光传感器的成像原理不同，红外图像和可见光图像具有互补性。由于红外成像主要取决于目标的发射率和温度分布，因此红外图像的灰度值会随着目标的发射率而波动。它可以克服一些障碍来发现目标，并且可以日夜工作。然而，红外图像的空间分辨率较低，因此红外图像的视觉效果通常比可见光图像差。另一方面，可见光传感器的成像能力在恶劣的天气条件下很差，特别是在夜间。可见光与红外图像的融合可以充分利用两者的互补信息。它可以帮助我们从现场获得更详细、更准确的信息，从而可以更准确地确定热目标的位置，达到识别伪装、夜视或其他一些目的。它在军事作战、电子产品测试、资源勘探等诸多领域具有很高的应用价值本课题的主要目的是寻找一种适合于红外和可见光图像的融合方法，以充分利用红外和可见光图像之间的互补信息。该方法能使融合后的图像保持突出的热目标和清晰的背景。在图像融合理论的基础上，提出了一种基于互补信息的红外与可见光图像融合方法。图像融合是图像处理的重要组成部分。融合是将同一场景的多幅图像中的有利信息进行组合，以获得对图像更准确、更全面的描述。近年来，小波变换在图像处理中得到了广泛的应用.小波是点奇异函数的最优基。但在高维情况下，小波分析不能充分利用数据的几何特征。这样就不是函数的最优或稀疏表示，不能很好地利用图像中的方向信息。为了解决这一问题，出现了一系列新的多尺度几何分析方法来构造高维函数的最优表示，在图像融合的研究中有着广阔的应用前景。[1]-[5]本文研究了多尺度几何分析工具之一的Directionlet及其在图像融合中的应用。主要创新点如下：(1) 提出了一种改进的多尺度Directionlet变换方法。当Directionlet基的方向与图像中各向异性物体的方向相匹配时，Directionlet能很好地表示图像，否则Directionlet基将退化为小波，逼近能力较差。本文通过寻找图像的主方向，自适应地构造样本矩阵，自适应地捕捉图像的各向异性特征。(2) 我们还研究了改进的Directionlet变换的应用。由于改进后的Directionlet能够从不同方向捕获图像信息，因此具有更好的方向性和各向异性。基于改进的Directionlet变换和区域测度的图像融合方法优于小波融合方法。1.2. Directionlet转换斜各向异性小波变换S-AWT（M，n1，n2）的基函数表示为作为建立在晶格上的Directionlet，其具有沿着变换方向和对准方向D2在一个迭代步骤中变换的和：邓明辉等/ IERI Procedia 3（2012）6769MA1B1D1a，a，b，b Z，n n（一）一个2 B21 21 2 1 22分离图像陪集的一个例子是使用生成矩阵。从分离结果可以看出，分离出的两个陪集相对于±45°的方向对纹理进行垂直和水平方向的变换，然后利用AWT变换对陪集进行伴随变换可以生成少量的大系数，从而实现图像的稀疏表示。通过斜向各向异性小波变换（S-AWT）沿主导方向和对齐方向构造DDT。Directionlet通过生成矩阵和重定向矩阵选择变换和缩放向量（图1（a）[3]）。与2D-DWT相比，矩阵向量的组合提供了更清晰和自迭代的方向基函数，同时保留了简单的滤波器设计，分离的变换和子采样步骤的优点（图1）。1（b））[6]-[8]。图1. （a）基于方向对的整数格的Directionlet构造;（b）Directionlet滤波和子采样图2. （a）基于晶格的滤波和迭代重定向;（b）2D正则对称基函数D70邓明辉等/ IERI Procedia 3（2012）67我 M，jXX1.3. 融合算法本文采用了一种基于区域的融合规则：首先将融合中的源图像映射到改进的Directionlet域。为了保证融合系数的准确性，必须考虑图像的系数和局部邻域，局部算子保持局部方向。采用局部一致性检验对初始融合系数进行检验，以获得更准确的融合结果。设A、B为源图像，F为融合图像，基于改进的Directionlet变换的融合步骤如下：(1) 将A、B两幅图像分割成64× 64的分割子图像，确定图像采样矩阵;(2) 对分割后的子图像进行M 采样矩阵，获取 det（M）陪集;(3) 每个陪集分别沿变换方向和队列方向进行一维小波变换，称为AWT（2，1）。然后得到相应的改进Directionlet变换的高、低频子带系数;(4) 低频子带与平均规则融合融合：YF（1）（YA（1）YB（1））/2（二）(5) 对于高频子带系数，计算能量区域，确定高频融合系数，同时得到融合决策图Map：D（i，j）（Y（i，j））2;X A，B（3）DX（i，j）YA（i，j），YB（i，j），DA（i，j）DA（i，j）DB（i，j）DB（i，j）（四）Map（i，j）1, DA（i，j）0, DA（i，j）DB（i，j）DB（i，j）（五）(6) 根据Map，融合系数通过区域均匀性进行校正：如果一个系数来自A的图像，而在8个邻域中，6个或6个以上的系数来自B的图像，则调整系数也来自图像B。(7) 融合处理系数采用AWT（2，1）逆变换;(8) 根据选择陪集的方向，对分割图进行加权合成和重构(9) 我们将在原始图像的位置重建单独的子图，并获得融合图像。2. 作者艺术品实验中仍然采用红外图像和微光图像融合，如图3所示。然后我们比较实验。首先，基于空间平均融合方法对两幅图像进行融合。其次，基于小波融合方法对原始图像进行融合。低频部分采用平均融合法融合，高频部分采用最大绝对值法融合，结果如图4所示。然后我们使用Contourlet变换进行图像融合，如图5所示。最后，基于改进的Directionlet变换融合方法对红外和微光图像进行融合，如图5所示。邓明辉等/ IERI Procedia 3（2012）6771图3. (a)微光图像;（b）红外图像图4. （a）空间平均融合结果;（b）小波变换融合结果图5. （a）Contourlet变换融合结果（b）Directionlet变换融合结果;确认本研究得到了国家博士后科学基金项目（2012M510973）的资助72邓明辉等/ IERI Procedia 3（2012）67引用[1] V. Velisavljevic，B. Beferull-Lozano，M. Vetterli，et al. Directionlets：具有可分离滤波的各向异性多方向表示。IEEE Transactions on Image Processing，15（2006）7，1916 - 1933。[2]V.韦利萨夫列维奇湾Beferull-Lozano和M.维特利基于directionlet的空频量化图像压缩。IEEETransactions on Image Processing，16（2007）7，1761 - 1773。[3]孙玉秋，田锦文，刘健.基于小波变换的双波段红外图像融合检测[J].红外与激光工程，2007，36（2）：240-243.[4] 黄世良，邱建清.基于小波变换多尺度积的图像融合方法[J].红外与激光工程，2007，36（3）：391-394.[5] 林玉琦，宋乐，周欣.基于Contourlet变换和PCNN的红外与可见光图像融合算法[C]//SPIE，20076835 683514-1-11.[6] VELISAVLJEVIC，V，BEFERULL-LOZANOB，VETTERLI M等人，Directionlets：基于可分离滤波的各向异性多方向表示[J].IEEE图像处理学报，2006，15（7）：1916-1933.[7] 王文，王文.基于方向小波的低复杂度虹膜编码与识别[J].信息安全与取证学报，2009，4（3）：410-417.[8] 韦泰利·贝利萨夫列维奇图像空频量化基于directionlet的图像压缩算法[J].IEEE图像处理学报，2007，16（7）：1761-1771.