基于二進(jìn)小波變換的遙感圖像融合方法

古麗米熱·米吉提　吐爾洪江·阿布都克力木

【摘 要】為了充分利用各種遙感圖像的信息，在分析以往圖像融合方法優(yōu)缺點(diǎn)的基礎(chǔ)上，針對多光譜與全色圖像的融合，提出了基于二進(jìn)小波變換的融合方法，將各源圖像進(jìn)行二進(jìn)小波分解，根據(jù)低頻和高頻分量的特點(diǎn)，按照各自的融合算法融合源圖像的各分解層。再進(jìn)行小波逆變換得到融合圖像。利用信息熵等標(biāo)準(zhǔn)與其他融合方法進(jìn)行比較，實(shí)驗(yàn)結(jié)果證明該融合方法較常用的正交（雙正交）小波融合算法有更好的融合效果。

【關(guān)鍵詞】遙感圖像；二進(jìn)小波變換；圖像融合

0 引言

遙感是對地觀測的重要手段，遙感圖像是對地觀測的主要結(jié)果，隨著新型傳感器的快速發(fā)展，多種多樣的傳感器投入使用，不同的傳感器存在一定的差異[1]。彈性傳感器獲得的圖像由于在光譜信息和空間分辨率等方面存在一定的局限性，已不能滿足信息表達(dá)上的需求[2]。圖像信息融合則彌補(bǔ)了彈性傳感器的不足，圖像信息融合指的是將不同類型傳感器所取得的同一場景的圖像信息進(jìn)行綜合配準(zhǔn)，進(jìn)一步選用特定的算法將各圖像信息中所包含的信息優(yōu)勢或互補(bǔ)性有機(jī)地結(jié)合起來從而生成新圖像信息的技術(shù)。新的圖像除了具有各傳感器圖像的特征外還具有彈性傳感器無法得到的新信息。在提高圖像清晰度的同時還保留多光譜圖像的光譜特征。常用的圖像融合方法有加權(quán)平均、IHS變換、PCA變換和小波變換等[3]。在眾多的圖像融合技術(shù)中，現(xiàn)今研究的熱點(diǎn)之一是基于小波變換的圖像融合方法。

正交或雙正交多分辨率小波融合方法已用于多傳感器圖像信息的融合。該方法最大限度地保留了原多光譜圖像的光譜信息?；谛〔ㄗ儞Q的圖像融合的重要步驟是系數(shù)的合并，即用適當(dāng)?shù)姆椒ㄈ诤舷禂?shù)的過程從而得到最好質(zhì)量的融合圖像。這可以通過一系列的方法得到。本文提出了一種基于二進(jìn)小波變換的遙感圖像融合方法，得到了更好的融合效果。

1 基于二進(jìn)小波變換的圖像融合

Mallat在Burt和Adelson圖像分解和重構(gòu)金字塔算法（即高斯-拉普拉斯金字塔算法）的啟發(fā)下，基于小波多分辨率分析，提出了Mallat小波快速算法。設(shè){a0（n1，n2）}是原始二維圖像，則對于給定的二進(jìn)尺度函數(shù)和二進(jìn)小波，可用下式進(jìn)行二進(jìn)小波分解算法：

二進(jìn)小波重構(gòu)算法：

其中{h[k]，g[k]}是對應(yīng)于二進(jìn)尺度函數(shù)和二進(jìn)小波的濾波器并且有■g[k]=0，■h[k]=■。{■[k]，■[k]}分別為{h[k]，g[k]}的對偶濾波器[4-5]。

基于二進(jìn)小波變換的圖像融合將小波理論與遙感圖像融合理論相結(jié)合?；诙M(jìn)小波變換的融合過程如圖1所示，ImageA，IamgeB代表兩幅源圖像A和B，ImageF代表融合后的圖像，詳細(xì)的操作步驟如下：

（1）對各源圖像ImageA，IamgeB分別進(jìn)行小波變換，獲取圖像多尺度分解（低頻分量和高頻分量）；

（2）對各個分解層的低頻、高頻分量分別基于低頻和高頻分量的特點(diǎn)，按照他們的融合算法進(jìn)行融合處理；

（3）對以上得到的融合后低頻、高頻分量，經(jīng)過小波逆變換重構(gòu)獲得更高質(zhì)量的融合圖像ImageF。

配準(zhǔn)的源圖像二進(jìn)小波分解系數(shù)

2 實(shí)驗(yàn)分析與結(jié)果

初步結(jié)果表明，在沒有其它成像設(shè)備的情況下，基于二進(jìn)小波變換的遙感圖像處理技術(shù)能夠使原圖像中諸多不明顯或不清晰的特點(diǎn)都顯現(xiàn)出來。

如圖2所示，（a）、 （b）、（d）、（e）為原始圖像，以（c）圖為例，長方形標(biāo)記區(qū)域中圖像顯示比其他圖像更清晰，方形標(biāo)記區(qū)域?yàn)檫吘墔^(qū)域，通過融合后，邊緣更加突出。圓形標(biāo)記區(qū)域細(xì)節(jié)特征很容易察覺。

利用主觀視覺方法對上述融合圖像（下轉(zhuǎn)第42頁）（上接第37頁）進(jìn)行觀察，容易發(fā)現(xiàn)，與傳統(tǒng)融合方法相比，本文算法獲得的兩組融合圖像紋理細(xì)節(jié)信息清晰明亮，色彩畸變小，貼近原多光譜圖像。充分地利用全色圖像的高空間分辨率信息以及多光譜圖像的特性，提高融合后的圖像的高空間細(xì)節(jié)表現(xiàn)能力，同時保留源多光譜圖像豐富的光譜信息，正是遙感圖像融合領(lǐng)域的重點(diǎn)研究問題。

3 結(jié)論

由于多種多樣的傳感器圖像融合，涉及到不同的信息源，從而信息獲取方式，圖像信息融合方法也很不相同，很難有一個特定模型的情況，因此要用基于彈性模型的方法?；趫D像相關(guān)性和信息本身的特征，按照不同融合目的，分別針對圖像的高頻域和低頻域從上述系數(shù)融合方法中采用適當(dāng)?shù)娜诤纤惴ㄟM(jìn)行處理，這樣得到的融合后的圖像不但有較好的空間特征、紋理特征，而且具有較好的光譜保持能量。盡管國內(nèi)外學(xué)者在遙感圖像融合理論研究和實(shí)用系統(tǒng)研究方面取得了一定的成果，但是整體來說還是很不成熟，還有很多有待解決的技術(shù)問題。

【參考文獻(xiàn)】

[1]常慶瑞，蔣平安，周勇，等.遙感圖像導(dǎo)論[M].北京：科學(xué)出版社，2004：183-186.

[2]陳超，等.MATLAB應(yīng)用實(shí)例精講.北京.電子工業(yè)出版社.2011.

[3]Turghunjan Abdukirim Turki. Dyadic wavelet theory and its application[M].Beijin：Beijing University of Posts and Telecommunications，2016.

[4]Turghunjan Abdukirim Turki，S.Takano，K. Niijima. The Dyadic lifting schemes and the denoising of digital images. International Journal of Wavelets， Multiresolution and Information Processing， 2008， 6（3）：331-351.

[5]Turghunjan Abdukirim Turki， A.Abulikemu， ZHANG haiying. Lifting Dyadic Wavelets and Design of Decomposition Filters with Short Length. IEEE International Conference on Computer and Automation Engineering， 2011，1：517-520.endprint