葉永偉 王曉恩 王 運(yùn)

(1.特種裝備制造與先進(jìn)加工技術(shù)教育部/浙江省重點(diǎn)實(shí)驗(yàn)室(浙江工業(yè)大學(xué))，浙江杭州310014;2.浙江中信設(shè)備安裝有限公司，浙江杭州310004)

1 引言

進(jìn)入21世紀(jì)以來，我國(guó)建筑進(jìn)入了一個(gè)智能化高度發(fā)展的時(shí)代，新的智能大廈、現(xiàn)代化居民居住小區(qū)按照傳統(tǒng)的照明控制方式已經(jīng)不能滿足其更高標(biāo)準(zhǔn)的要求。傳統(tǒng)的照明方式簡(jiǎn)單、有效、直觀，但它過多依賴控制者的個(gè)人能力，控制相對(duì)分散以及無法有效管理，并且其適時(shí)性和自動(dòng)化程度太低。其后的自動(dòng)照明控制模式雖然解決了傳統(tǒng)方式控制相對(duì)分散和無法有效管理等問題，實(shí)現(xiàn)了照明控制的自動(dòng)化，但卻無法實(shí)現(xiàn)調(diào)光控制功能。

目前，國(guó)外產(chǎn)品如尼科公司的智能照明控制系統(tǒng)能預(yù)設(shè)各種場(chǎng)景進(jìn)行照明控制，廣泛應(yīng)用于辦公大樓、賓館酒店、體育場(chǎng)館等場(chǎng)合，但是存在價(jià)格高、操作相對(duì)復(fù)雜，對(duì)管理人員要求較高等缺點(diǎn)。國(guó)內(nèi)相關(guān)應(yīng)用于居住小區(qū)及普遍公共場(chǎng)所的照明智能控制系統(tǒng)尚不多見。

為解決傳統(tǒng)紅外+光感傳感器方式的燈光照度控制系統(tǒng)存在要求較多的傳感器，而且布置位置要求較高和工程施工、布線量大等缺點(diǎn)，本文提出采用動(dòng)靜監(jiān)測(cè)(紅外、聲控)+數(shù)字圖像信息融合的照度控制方式。通過將采集來的圖像信息進(jìn)行融合處理，對(duì)融合之后的圖像進(jìn)行灰度劃分，將每一區(qū)域的灰度平均值與預(yù)設(shè)灰度值對(duì)比，從而調(diào)節(jié)場(chǎng)景照度。

2 動(dòng)靜監(jiān)測(cè)傳感數(shù)據(jù)與CCD數(shù)字圖像信息融合技術(shù)

樓宇智能照明系統(tǒng)中動(dòng)靜監(jiān)測(cè)與CCD數(shù)字圖像信息融合技術(shù)的控制系統(tǒng)框圖如圖1所示。

圖1 智能照明控制系統(tǒng)框圖

其基本原理是:通過動(dòng)靜檢測(cè)技術(shù)觀察是否有人走動(dòng)，如果沒有人走動(dòng)，關(guān)閉照明;如果有人存在，對(duì)采集的多幅數(shù)字圖像進(jìn)行分析，將圖像灰度平均值與各種預(yù)置的標(biāo)準(zhǔn)值進(jìn)行對(duì)比，計(jì)算其環(huán)境照?qǐng)龅恼斩饶Ｐ停绻谡彰飨到y(tǒng)預(yù)設(shè)模式允許的誤差范圍內(nèi)，就不需要對(duì)照度進(jìn)行調(diào)整，反之，就對(duì)照度進(jìn)行調(diào)整。

圖像融合是指將不同傳感器獲得的同一景物的圖像或同一傳感器在不同時(shí)刻獲得的同一景物的圖像，經(jīng)過去噪、時(shí)間配準(zhǔn)、空間配準(zhǔn)和重采樣后，再運(yùn)用某種融合技術(shù)得到一幅合成圖像的過程通過對(duì)多幅傳感器圖像的融合，可克服單一傳感器圖像在幾何、光譜和空間分辨率等方面存在的局限性和差異性，提高圖像的質(zhì)量，從而有利于對(duì)物理現(xiàn)象和事件進(jìn)行定位、識(shí)別和解釋。其具體過程見圖2。

圖2 圖像融合示意圖

3 基于小波變換的圖像融合技術(shù)

3.1 預(yù)處理

智能照明系統(tǒng)中，當(dāng)動(dòng)靜監(jiān)測(cè)發(fā)現(xiàn)有人走動(dòng)時(shí)，CCD攝像機(jī)會(huì)對(duì)相應(yīng)區(qū)域進(jìn)行圖像信息采集。但在圖像采集過程中，由于受到各種因素(如傳感器的位置速度、光照強(qiáng)度、隨機(jī)噪聲等)的影響，實(shí)際獲得的圖像往往包含上述影響因素的特征。因此在實(shí)現(xiàn)圖像融合之前，需要對(duì)傳感器獲得的不同圖像進(jìn)行預(yù)處理，包括圖像校正、增強(qiáng)、平滑、濾波、配準(zhǔn)等。

如圖3所示，為CCD攝影機(jī)采集的室內(nèi)圖像經(jīng)過圖像校正、濾波以及配準(zhǔn)預(yù)處理之后的效果顯示。

圖3 采集的室內(nèi)圖像

從圖3中可以發(fā)現(xiàn)，由于光照強(qiáng)度，以及噪聲和干擾等因素，圖3(a)中右邊花盆有些模糊，圖3(b)中的門有些模糊，這樣的圖像所提供的信息不利于智能照明系統(tǒng)識(shí)別，由此可利用下面的小波融合技術(shù)將源圖像信息進(jìn)行融合。

3.2 小波變換融合

Mallat在Burt和Adelson的塔形圖像分解和重構(gòu)算法的啟發(fā)下，提出了小波變換的Mallat快速算法，按照二維Mallat算法，將每一副經(jīng)過預(yù)處理的CCD圖像進(jìn)行二維分解。

本文CCD攝影機(jī)采集的圖像大小為351×260，設(shè)分解層數(shù)為3，在尺度k-1上按如下的Mallat分解公式進(jìn)行分解:

式中，Ck，dHk，dVk和dDk分別表示預(yù)處理后的CCD圖像在351×260分辨率下的低頻分量，水平高頻分量，垂直高頻分量和對(duì)角高頻分量。其中低頻分量反映了CCD圖像的近似和平均特征，集中了圖像的大部分能量信息。如圖4所示，為CCD圖像的小波分解示意圖。

在兩幅CCD圖像的小波變換域內(nèi)，分別對(duì)水平，垂直與對(duì)角分量進(jìn)行融合。在各尺度j(j=1，2，3)上將兩幅CCD圖像的高頻系數(shù)進(jìn)行比較，把對(duì)應(yīng)位置上絕對(duì)值較大的系數(shù)作為重要小波系數(shù)保留下來，即

圖4 CCD圖像的三層小波分解示意圖

其中w1i，k，w2i，k分別表示兩幅CCD圖像在各尺度分量上的小波系數(shù)。

對(duì)兩幅CCD圖像經(jīng)小波變換之后的逼近系數(shù)C1J和C2J進(jìn)行處理，由于在智能照明系統(tǒng)采集圖像時(shí)，受各方面因素，使得CCD攝影機(jī)采集的圖像在局部出現(xiàn)模糊的現(xiàn)象，圖像模糊表示其細(xì)節(jié)信息(或高頻信息)丟失較多，相比之下，其整體信息(或低頻信息)保持較好，因此兩幅CCD圖像經(jīng)小波分解后其逼近系數(shù)之間的差異要遠(yuǎn)小于小波系數(shù)之間的差異，故融合之后的逼近系數(shù)可由

確定。

利用以上得到的全部小波系數(shù)以及可以得到由智能照明系統(tǒng)采集的多幅CCD中的逼近系數(shù)進(jìn)行二維小波反變換，有重構(gòu)式

圖像的融合圖像。其融合過程如圖5所示。

圖5 圖像融合過程

3.3 融合結(jié)果評(píng)價(jià)指標(biāo)

CCD圖像融合的效果對(duì)智能照明系統(tǒng)的后續(xù)工作尤為重要，本文提出的采用小波變化法對(duì)采集的圖像進(jìn)行融合，其融合效果可從灰度平均值、標(biāo)準(zhǔn)方差以及信息熵三個(gè)指標(biāo)進(jìn)行評(píng)價(jià)。

3.3.1 灰度平均值

融合之后的圖像大小仍為351×260，其灰度平均值為:

其中xi，j表示在位置(i，j)的像素的灰度水平，平均值表示了一副圖像的平均亮度。

3.3.2 標(biāo)準(zhǔn)方差

融合之后的圖像的標(biāo)準(zhǔn)方差為:

這個(gè)公式在整個(gè)圖像中符合在灰度水平和平均值之間的方差度。

3.3.3 信息熵

融合之后的圖像傳統(tǒng)的信息熵表示為:

其中pi是灰度值為i的像素的數(shù)目和整個(gè)像素?cái)?shù)目的比值。信息熵代表了CCD圖像含有信息的豐富程度。如果pi對(duì)于任意灰度水平都是常量，那么信息熵就可以達(dá)到最大值。如果某種方法得到的融合圖像，其熵值較大，則說明此方法較優(yōu);否則，說明該方法較差。

3.4 圖像灰度平均值及其穩(wěn)定性

將CCD攝影機(jī)采集的圖像經(jīng)過小波融合之后，接著就要提取融合圖像的灰度平均值，以便智能照明系統(tǒng)調(diào)用。

若記mean(A)為融合后CCD圖像的灰度平均值，則有:

以上是整個(gè)融合圖像的灰度平均值，本文提出，將融合后的圖像劃分為幾個(gè)不同的區(qū)域A1，A2，A3…，如圖6所示，將融合后的CCD圖像劃分為4個(gè)區(qū)域，如圖6所示。

將圖像劃分區(qū)域就意味著將照明范圍劃分區(qū)域，通過計(jì)算得出每個(gè)區(qū)域的灰度平均值，與預(yù)先設(shè)定好的灰度值分別做對(duì)比，通過比較灰度值來判定每個(gè)照明區(qū)域內(nèi)是否有人存在，從而調(diào)節(jié)智能照明系統(tǒng)，對(duì)不同區(qū)域采用不同的光照強(qiáng)度。

如果將融合后的CCD圖像劃分為四個(gè)區(qū)域，如

圖6 將融合圖像劃分4個(gè)區(qū)域

圖7 每個(gè)區(qū)域的圖像示意圖

4個(gè)區(qū)域大小均為175×130，其灰度平均值分別為

對(duì)圖像的一些操作，如調(diào)整亮度、重采樣、顏抖動(dòng)、平滑、加噪聲、壓縮等，均可歸結(jié)為對(duì)圖像一種擾動(dòng)，即穩(wěn)定性。設(shè)A'為圖像A受到擾動(dòng)E后的圖，即A'=A+E，則根據(jù)平均值不等式，有

由此即可判斷圖像融合后的穩(wěn)定性。

3.5 與預(yù)設(shè)值對(duì)比

將融合處理后的圖像灰度平均值與預(yù)設(shè)值進(jìn)行對(duì)比，如果平均值在預(yù)設(shè)值的誤差范圍之內(nèi)，則智能照明系統(tǒng)不做調(diào)整;如果平均值超出預(yù)設(shè)值誤差范圍，則智能照明系統(tǒng)做出相應(yīng)調(diào)整，使之調(diào)試在相應(yīng)模式的照度誤差范圍之內(nèi)。

4 實(shí)驗(yàn)數(shù)據(jù)分析

本文對(duì)上述的兩幅室內(nèi)CCD圖像進(jìn)行了圖像融合仿真，并且提取了智能照明系統(tǒng)所用到的融合圖像的有關(guān)信息，采用本文提出的小波變換融合算法，其實(shí)驗(yàn)融合圖像效果對(duì)比如圖8，圖9，圖10所示。

圖8 右花盆模糊

圖9 門模糊

圖10 融合效果圖

本仿真實(shí)驗(yàn)將本文提出的融合算法與其他三種不同的融合算法進(jìn)行了對(duì)比，其數(shù)據(jù)比較如表1所示:

表1 不同方法數(shù)據(jù)對(duì)比

表1中數(shù)據(jù)可以看出，本文提出的融合算法得到的融合圖像更清晰，其他三種融合算法得到的信息熵值都比本文提出的融合算法得到的信息熵值低，小波變換融合算法可以得到更豐富的時(shí)域和頻域信息，有效的保留了照明區(qū)域的細(xì)節(jié)信息，為智能照明系統(tǒng)提供更全面的數(shù)據(jù)信息。

5 結(jié)語

本文提出采用動(dòng)靜監(jiān)測(cè)和圖像融合技術(shù)對(duì)智能照明系統(tǒng)進(jìn)行照明控制，圖像融合主要采用小波變換算法對(duì)采集的圖像進(jìn)行處理，實(shí)驗(yàn)表明這種融合算法比其他融合算法的融合效果要好，保留了必要信息，抑制了不需要的信息，為智能照明系統(tǒng)的后續(xù)工作提供了良好的圖像信息。系統(tǒng)結(jié)合圖像融合技術(shù)，能夠根據(jù)現(xiàn)場(chǎng)實(shí)際情況、人員變動(dòng)以及天氣因素(陰雨霧雪)等的變化，實(shí)時(shí)得進(jìn)行照明器的調(diào)節(jié)，在保證足夠照度的條件下，也相應(yīng)降低了智能建筑照明系統(tǒng)的能耗。

［1］覃征，鮑復(fù)民，李愛國(guó)等．?dāng)?shù)字圖像融合［M］．西安交通大學(xué)出版社．

［2］Rafael C．Gonzalez，Richard E．Woods．Digital Image Processing Second Edition［M］．Publishing House Of Electronics Industry．

［3］郭亞，王水波．基于灰度圖像的車牌定位算法研究與實(shí)現(xiàn)［J］．現(xiàn)代電子技術(shù)，2008(2):137～03．

［4］張姁．基于小波的彩色圖像灰度水印算法研究［D］．河北:河北工業(yè)大學(xué)，2007．

［5］浦西龍，呂建平．一種基于小波變換的多分辨圖像融合算法［J］．計(jì)算機(jī)工程與應(yīng)用，2007，43(20):65～67．

［6］劉貴喜，楊萬海．基于小波分解的圖像融合方法及性能評(píng)價(jià)［J］．自動(dòng)化學(xué)報(bào)，2002，28(16)．

［7］方凱．?dāng)?shù)字圖像融合算法研究［D］．西安電子科技大學(xué)，2006．

［8］秦云霞．圖像融合算法研究［D］．蘭州大學(xué)，2010．

［9］毛士藝，趙?。鄠鞲衅鲌D像融合技術(shù)綜述［J］．北京航空航天大學(xué)學(xué)報(bào)，2002:05～0512～07．