王容

摘要：在圖像處理的過(guò)程中圖像融合是圖像配準(zhǔn)發(fā)展的一個(gè)重要領(lǐng)域。該文的基本原理是使用簡(jiǎn)單的統(tǒng)計(jì)標(biāo)準(zhǔn)偏差來(lái)融合多聚焦圖像。首先，對(duì)一個(gè)k×k的多聚焦圖像進(jìn)行簡(jiǎn)單的標(biāo)準(zhǔn)偏差計(jì)算。該文主要集中在圖片中具有較高細(xì)節(jié)的部分而不是那些零散的部分。因此，像素之間比較集中部分的差值要高于零散部門的差值。其次，一個(gè)多聚焦圖像中的每個(gè)k×k的標(biāo)準(zhǔn)差都是可以被計(jì)算的。所有被計(jì)算的標(biāo)準(zhǔn)差中最高的標(biāo)準(zhǔn)差被認(rèn)為在融合圖像中的最佳結(jié)果。實(shí)驗(yàn)的結(jié)果表明盡管此方法非常簡(jiǎn)單但是同樣產(chǎn)生令人滿意的結(jié)果。

關(guān)鍵詞：圖像融合；多聚焦；標(biāo)準(zhǔn)差

中圖分類號(hào)：TP18 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2015）03-0196-02

1 介紹

圖像融合是將兩個(gè)或兩個(gè)以上的圖像融合成一個(gè)具有更高信息圖像的過(guò)程。盡管技術(shù)的不斷發(fā)展以及各種圖像采集設(shè)備的發(fā)明，它并不總是能夠得到一個(gè)包含所有需要的信息的圖像。在過(guò)去的幾年中，圖像融合在遙控，計(jì)算機(jī)視覺(jué)，醫(yī)療成像，顯微成像，特別是在軍事上得到很大的重視。在遙感領(lǐng)域的多傳感器數(shù)據(jù)，醫(yī)療成像和機(jī)器視覺(jué)可能同一場(chǎng)景的多幅圖像提供不同的信息。在機(jī)器視覺(jué)中，由于電荷耦合器件的光學(xué)透鏡的焦點(diǎn)深度有限，它是不可能由一個(gè)單一的圖像包含所有的信息對(duì)象。有時(shí)，一個(gè)完整的畫面并不總是由長(zhǎng)焦距成像傳感器尤其是光學(xué)鏡片得到的，它只能是在某一個(gè)領(lǐng)域有一定的深度。圖像融合的基本目標(biāo)是提取圖像中所需要的有用信息，這些圖像是從不同的源和傳感器捕獲的。之后，把這些圖像轉(zhuǎn)化為單一的融合增強(qiáng)圖像。事實(shí)上，從相機(jī)傳感器和不同裝備獲取的圖像具有信息分布不均勻的特點(diǎn)。因此，圖像融合的基本作用是實(shí)現(xiàn)傳統(tǒng)的傳感器不能提高的人的視覺(jué)感知型事實(shí)上，融合后的圖像包含更多的數(shù)據(jù)內(nèi)容比單個(gè)的圖像。圖像融合有助于獲得圖像中的所有信息。融合的過(guò)程必須在融合圖像中保留所有相關(guān)信息。本文討論的多聚焦圖像融合使用簡(jiǎn)單的統(tǒng)計(jì)標(biāo)準(zhǔn)偏差在k×k矩陣大小。第二節(jié)給出了近期工作的回顧和產(chǎn)生各種不同的方法達(dá)到的效果。本文提出的圖像融合技術(shù)已經(jīng)在第三部分，第四節(jié)討論了實(shí)驗(yàn)結(jié)果和性能評(píng)估，已經(jīng)在第五部分討論了本文的主要結(jié)論。

2 圖像融合的回顧

圖像融合的起源可追溯到上世紀(jì)五六十年代。圖像融合是從不同的傳感器得到的符合圖像得到更加吻合自然圖像的第一步，實(shí)踐證明它是切實(shí)可行的方法。圖像融合領(lǐng)域包含許多方面比如合并，整合等。

如今，圖像融合有兩種方法，即空間融合和變換融合。目前，從幾個(gè)輸入圖像融合成復(fù)合圖像中最常用的方法是基于像素的方法。在模糊圖像的強(qiáng)度比的基礎(chǔ)上提出了一種新的多聚焦圖像融合算法，一般的分類是在綜合考慮信號(hào)，像素，特征的過(guò)程。討論了人工神經(jīng)網(wǎng)絡(luò)在解決多聚焦圖像的融合問(wèn)題中的應(yīng)用。此外，在圖像融合中提出了圖形切割技術(shù)。也討論過(guò)壓縮傳感圖像融合技術(shù)?；谛〔ㄗ儞Q的圖像融合在圖像融合的領(lǐng)域是不容忽視的，還有很多這方面的教程。我們還可以發(fā)現(xiàn)一些圖像融合的資料，比如：采用主成分分析的圖像融合，一個(gè)復(fù)雜的小波變換在圖像融合中的應(yīng)用，一種新的強(qiáng)度色相飽和度技術(shù)和權(quán)衡參數(shù)在圖像融合中的討論等等。

本文中，為了比較本文提出的方法的有效性，我們采用和一些常見(jiàn)的技術(shù)進(jìn)行比較，本文采用的是和小波變換進(jìn)行對(duì)比。在以往的研究中，人們已經(jīng)發(fā)現(xiàn)，基于小波變換的融合方法在空間和光譜質(zhì)量上是優(yōu)于標(biāo)準(zhǔn)的融合技術(shù)，但是小波變換的確定就是有更高的復(fù)雜性和成本。

3 提出的技術(shù)

本文提出的方法就是對(duì)每個(gè)輸入的圖像和融合的圖像計(jì)算一個(gè)標(biāo)準(zhǔn)差。首先，我們引入統(tǒng)計(jì)標(biāo)準(zhǔn)差的概念。標(biāo)準(zhǔn)差就反應(yīng)一組數(shù)據(jù)分散情況，越偏離平均數(shù)據(jù)的標(biāo)準(zhǔn)差越高。在數(shù)學(xué)領(lǐng)域，標(biāo)準(zhǔn)差被認(rèn)為是非常有用的。作為一種新的圖像融合技術(shù)是基于在圖像聚焦部門的標(biāo)準(zhǔn)差而不是在相同部分未聚焦圖像。因此，聚焦之間的像素色散高于零散部分的色散。標(biāo)準(zhǔn)差針對(duì)每個(gè)k×k矩陣內(nèi)所有輸入的多聚焦圖像。計(jì)算出來(lái)的所有輸入圖像的標(biāo)準(zhǔn)差，值最高的作為最佳標(biāo)準(zhǔn)差。根據(jù)圖1，對(duì)于任意一個(gè)2×2矩陣大小的標(biāo)準(zhǔn)差計(jì)算表明，在四個(gè)輸入圖像中標(biāo)準(zhǔn)差值越高的圖像具有更多的細(xì)節(jié)信息。從統(tǒng)計(jì)學(xué)上講，這四個(gè)輸入圖像的標(biāo)準(zhǔn)差的值分別為0.5，1.7078，3.304和2.63，那么標(biāo)準(zhǔn)差最高的是第三張圖像，在下圖中可以看出，該圖像具有鋒利的邊緣，而不是模糊的邊緣。k×k矩陣的大小是從輸入圖像處得到的。在本文中，矩陣大小k要求盡可能的小，這里的建議是k等于2。

圖1

另一個(gè)例子是，改變矩陣的大小，兩個(gè)矩陣大小為10×10的時(shí)鐘多聚焦圖像，計(jì)算了它們的標(biāo)準(zhǔn)差分別為3.2489和1.8803。再次表明，銳化的邊緣圖像比模糊圖像的標(biāo)準(zhǔn)差更大。

圖2

4 實(shí)驗(yàn)結(jié)果

實(shí)驗(yàn)結(jié)果驗(yàn)證了本文提出的方法是有效的。用幾個(gè)標(biāo)準(zhǔn)測(cè)試圖像作為輸入圖像，根據(jù)提出的技術(shù)最高標(biāo)準(zhǔn)差值得方法實(shí)現(xiàn)了圖像融合。顯然，結(jié)果表明該技術(shù)得到的結(jié)果與其他方法是非常滿意的，許多指標(biāo)和小波變換與主成分分析（PCA）的比較中比如均方根誤差（RMSE），峰值信噪比（PSNR），圖像質(zhì)量指標(biāo)（IQI）和結(jié)構(gòu)相似性指數(shù)（SSIM）。

表1 SSIM比較

[＼&小波＼&PCA＼&標(biāo)準(zhǔn)差＼&Lena圖＼&0.8278＼&0.8274＼&0.7260＼&鐘＼&0.9224＼&0.9222＼&0.8807＼&]

從表1可以看出，標(biāo)準(zhǔn)差值方法的SSIM值低于小波和PCA。這里，需要提到的是SSIM顯示融合圖像和輸入圖像之間的結(jié)構(gòu)相似性。由于所有測(cè)試圖像的輸入圖像的模糊大小只有一半，然后根據(jù)模糊輸入圖像中的銳化部分。因此，本文提出的標(biāo)準(zhǔn)差值技術(shù)的SSIM較小并不意味著它是不好的，相反，從肉眼可以看出，通過(guò)該技術(shù)獲得的結(jié)果比小波和PCA有更多的的銳化細(xì)節(jié)。另一個(gè)性能指標(biāo)信噪比，它是用于測(cè)試圖像的失真性。PSNR必須是原始圖像對(duì)比下才能夠得到。因此，在本文中，PSNR不能計(jì)算所有測(cè)試圖像。

根據(jù)表2，與小波和PCA 融合技術(shù)相比，本文的標(biāo)準(zhǔn)差技術(shù)的PSNR值較高。實(shí)際上，這就意味著使用該技術(shù)比小波和PCA技術(shù)與原始圖像比較差異更小。說(shuō)明該方法是有效的。

5 結(jié)論

標(biāo)準(zhǔn)差值方法和其他復(fù)雜的方法性能相比得到的結(jié)果是相同的，并且這個(gè)方法還具有簡(jiǎn)單性。但是這種方法的缺點(diǎn)是必須是幾個(gè)標(biāo)準(zhǔn)差進(jìn)行比較得到最佳標(biāo)準(zhǔn)差，也就是必須要有進(jìn)行選擇的條件。這可能是未來(lái)工作需要解決的問(wèn)題。本文采用的是兩個(gè)輸入圖像，但是應(yīng)該是兩個(gè)以上的圖像，因?yàn)楸疚氖嵌嗑劢箞D像融合技術(shù)。

參考文獻(xiàn)：

[1] 張汶釗，吳薇. 基于小波變換的圖像融合算法[J]. 江蘇科技信息，2013（20）.

[2] 黃卉. 基于小波變換的圖像融合方法研究[D].合肥：合肥工業(yè)大學(xué)，2005.

[3] 劉志明. 數(shù)字圖像融合新進(jìn)展[J].電腦與電信，2013（4）：45-47.

[4] 侯慶岑，潘晨，楊勇.基于視覺(jué)顯著度的多聚焦圖像融合方法[J].計(jì)算機(jī)工程， 2015（41）：211-217.

[5] 韓瑜， 蔡云澤， 曾清. 圖像融合的客觀質(zhì)量評(píng)估[J]. 指揮控制與仿真， 2013（35）：1-7.