基于加權(quán)與改進(jìn)的自適應(yīng)小波變換衛(wèi)星云圖融合

基于加權(quán)與改進(jìn)的自適應(yīng)小波變換衛(wèi)星云圖融合汪大1，畢碩本2，顏堅(jiān)1，郭憶2（1南京信息工程大學(xué)計(jì)算機(jī)與軟件學(xué)院，南京210044；2南京信息工程大學(xué)遙感學(xué)院，南京210044）摘要以往的很多圖像融合方法很少考慮要融合的圖像的應(yīng)用背景和實(shí)際意義，在設(shè)計(jì)時(shí)缺乏應(yīng)用的針對(duì)性。本文根據(jù)紅外云圖和可見光云圖融合的實(shí)際應(yīng)用要求，提出了一種基于加權(quán)和改進(jìn)的自適應(yīng)局部方差小波變換融合方法，對(duì)小波變換后的低頻分量，采用非均勻性加權(quán)融合方案，高頻分量則采用改進(jìn)的自適應(yīng)局部方差融合準(zhǔn)則確定融合系數(shù)。實(shí)驗(yàn)結(jié)果表明，算法在融合了可見光云圖的紋理和細(xì)節(jié)信息，提高圖像清晰度的同時(shí)，更多地保留了原紅外云圖的紅外信息，云層特性更為分明，并且各項(xiàng)融合評(píng)價(jià)指標(biāo)均有所提升，說明本文算法有一定的有效性和實(shí)用性。關(guān)鍵詞紅外云圖；可見光云圖；局部方差；加權(quán)；圖像融合；小波變換中圖分類號(hào)TP391文獻(xiàn)標(biāo)志碼A文章編號(hào)SATELLITENEPHOGRAMFUSIONMETHODBASEDONWEIGHTINGANDIMPROVEDADAPTIVEWAVELETTRANSFORMWANGDA1，BISHUOBEN2，YANJIAN1，GUOYI2（1COLLEGEOFCOMPUTERANDSOFTWARE,NANJINGUNIVERSITYOFINFORMATIONSCIENCE2COLLEGEOFREMOTESENSING,NANJINGUNIVERSITYOFINFORMATIONSCIENCEVISIBLENEPHOGRAMLOCALVARIANCEWEIGHTINGIMAGEFUSIONWAVELETTRANSFORM0引言在災(zāi)害性的強(qiáng)對(duì)流天氣監(jiān)測(cè)和預(yù)警中，氣象衛(wèi)星獲得的云圖資料已成為重要的信息。紅外云圖的色調(diào)取決于物體的溫度，可見光云圖的色調(diào)取決于物體反射太陽輻射的強(qiáng)度，所以可用其識(shí)別不同高度的云。從目前氣象衛(wèi)星發(fā)展技術(shù)看，可見光云圖分辨率高，而紅外云圖分辨率較低，相差大約四倍左右。由于兩者表示的都是云層，所以對(duì)兩者進(jìn)行融合，會(huì)得到比較理想的云圖，從而更好地用于強(qiáng)對(duì)流天氣的自動(dòng)檢測(cè)和預(yù)警。圖像融合是將兩個(gè)或者兩個(gè)以上的傳感器在同一時(shí)間（或不同時(shí)間）獲取的關(guān)于某個(gè)具體場(chǎng)景的圖像或者圖像序列信息加以綜合，生成一個(gè)新的有關(guān)場(chǎng)景的解釋，而這個(gè)解釋是從單一傳感器獲取的信息中無法得到的1,2。圖像融合的方法主要分為空間域和變換域兩類3,4?？臻g域融合方法簡(jiǎn)單，但對(duì)圖像的細(xì)節(jié)表現(xiàn)不足，融合效果并不理想。由于人類的視覺系統(tǒng)對(duì)事物的局部對(duì)比變換（如邊界、拐點(diǎn)等）十分敏感，使得基于變換域的融合方法逐步取代空間域融合方法5。小波變換作為變換域的一種重要分析方法，具有較好的獨(dú)立性和方向性，并且具有分解后數(shù)據(jù)總量不會(huì)增大的優(yōu)勢(shì)，成為目前圖像融合的研究熱點(diǎn)之一6。經(jīng)小波變換后的圖像，其低頻分量反映圖像的近似和平均特性，許多基于小波變換的圖像融合算法針對(duì)低頻系數(shù)的融合運(yùn)算只是簡(jiǎn)單地采用加權(quán)平均法，如文獻(xiàn)7，這種方法雖然簡(jiǎn)單，但是沒有充分考慮待融合圖像之間的相關(guān)信息；對(duì)于表征圖像細(xì)節(jié)信息的高頻部分，選取描述鄰域變化程度的方差作為區(qū)域特征，文獻(xiàn)8采用局部區(qū)域方差取大的融合規(guī)則，這種方法在圖像對(duì)應(yīng)像素的局部區(qū)域方差相差不大時(shí)，會(huì)丟失許多有用的信息。并且這些算法很少考慮要融合的各種圖像的應(yīng)用背景，缺乏應(yīng)用的針對(duì)性。在氣象監(jiān)測(cè)與預(yù)警應(yīng)用中，我們主要利用紅外云圖的亮溫差值監(jiān)測(cè)強(qiáng)對(duì)流云團(tuán)，但紅外云圖分辨率較低，而可見光云圖的分辨率高，能提供較為清晰的云圖紋理特征和細(xì)節(jié)特征。因此融合圖像在增加可見光云圖的紋理和細(xì)節(jié)信息的同時(shí)，要盡可能多地保留紅外云圖的紅外信息?；诖藨?yīng)用要求，本文提出了一種基于加權(quán)和改進(jìn)的自適應(yīng)局部方差小波變換融合方法。對(duì)小波變換后的低頻分量，采用非均勻性加權(quán)融合方案，高頻分量則采用改進(jìn)的自適應(yīng)局部方差融合準(zhǔn)則確定融合系數(shù)。實(shí)驗(yàn)結(jié)果表明了該算法的有效性和優(yōu)越性。1小波變換圖像融合MALLATSG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9。對(duì)二維圖像進(jìn)行N層的小波分解之后，可得到3N1個(gè)不同子頻帶，其中包括3N個(gè)高頻子帶和一個(gè)低頻子帶。除了低頻子帶的數(shù)據(jù)為正值外，其他高頻子帶的數(shù)據(jù)均在零值左右分布。在高頻子帶中絕對(duì)值較大的系數(shù)對(duì)應(yīng)于灰度突變之處，即對(duì)應(yīng)于原始圖像中的顯著特征（如邊緣、線、區(qū)域邊界等）。基于小波變換的圖像融合方法基本步驟如下（1）先對(duì)配準(zhǔn)后的源圖像進(jìn)行二維離散小波分解；（2）在小波變換域內(nèi)對(duì)表征圖像的輪廓信息，即低頻分量按一定的融合規(guī)則確定低頻系數(shù)；（3）在小波變換域內(nèi)對(duì)表征圖像的細(xì)節(jié)信息，即高頻分量在不同尺度上按一定的融合規(guī)則確定高頻融合系數(shù)；（4）對(duì)融合后的小波系數(shù)進(jìn)行小波逆變換，得到融合后的圖像。在圖像融合算法中，融合規(guī)則10,11的選取是至關(guān)重要的，它直接影響到融合后圖像的質(zhì)量。在基于小波變換的融合算法中，融合規(guī)則一般選擇某個(gè)反映圖像特征的量作為活性水平測(cè)度，以其大小作為融合圖像小波系數(shù)的選擇依據(jù)。2基于加權(quán)和改進(jìn)的自適應(yīng)局部方差小波變換融合準(zhǔn)則在氣象預(yù)警應(yīng)用中，我們主要利用紅外云圖的亮溫差值監(jiān)測(cè)強(qiáng)對(duì)流云團(tuán)，但紅外云圖分辨率較低，可見光云圖的分辨率高，能提供較為清晰的云圖紋理和細(xì)節(jié)特征。因此融合圖像在增加可見光云圖紋理信息的同時(shí)，盡可能多地保留紅外云圖的紅外信息。根據(jù)此應(yīng)用要求，本文提出了基于加權(quán)和改進(jìn)的自適應(yīng)局部方差小波變換融合新方法。融合流程圖見圖1所示。紅外云圖直方圖匹配小波變換高頻分量低頻分量高頻分量低頻分量改進(jìn)的自適應(yīng)局部方差融合非均勻性加權(quán)融合重構(gòu)融合云圖紅外云圖可見光云圖小波變換可見光云圖圖1基于加權(quán)和改進(jìn)的自適應(yīng)局部方差小波變換融合流程圖21低頻分量融合經(jīng)小波分解得到的圖像的低頻子帶表征了圖像的近似信息，融合云圖在提高紋理及細(xì)節(jié)信息的同時(shí)，要盡可能多地保留紅外云圖的紅外信息。因此對(duì)于低頻分量的融合，本文提出了非均勻性加權(quán)融合方案，即對(duì)低頻部分依據(jù)其重要性采用不一樣的加權(quán)權(quán)值（紅外云圖的權(quán)值高于可見光云圖權(quán)值）予以融合。融合算法如公式1所示（1）,YXAQPYXAKKJIRKJVISJFUS其中，、和分別表示融JJJ合圖像FUS、紅外云圖IR和可見光云圖VIS的低頻分量，P、Q為加權(quán)系數(shù)。22高頻分量融合經(jīng)小波分解得到的圖像的高頻子帶反映原圖像的亮度突變特性，表征圖像的細(xì)節(jié)信息，各個(gè)高頻子帶系數(shù)之間呈現(xiàn)出明顯的區(qū)域相關(guān)性，因此高頻子帶系數(shù)融合主要是以一個(gè)局域窗口為考察對(duì)象，計(jì)算局域內(nèi)的統(tǒng)計(jì)特征12。對(duì)此，文獻(xiàn)8給出了基于局部方差準(zhǔn)則的融合，即取具有較大局部方差的高頻系數(shù)作為融合系數(shù)。但當(dāng)紅外云圖的局部方差與可見光云圖的局部方差相差不大時(shí)，如果只考慮可見光云圖信息，就會(huì)造成紅外信息的丟失。針對(duì)上面情況，本文選取閾值T07，采用改進(jìn)的自適應(yīng)區(qū)域方差融合方法首先取以當(dāng)前像素為中心的一個(gè)33局部區(qū)域，計(jì)算紅外云圖和可見光云圖的局部方差，分別記為、KJIRVA。KJVISAR然后進(jìn)行歸一化處理，并對(duì)其做差，如公式（2）、（3）、（4）所示KJVISJIRKJANOJJJVSKISIKJDF式中，和分別表示紅外云圖IR和可見JIRJVIS光云圖VIS在分解尺度J上K方向上局部方差歸一化值，表示兩者之差絕對(duì)值。當(dāng)時(shí)，表明說明一幅KJITJ圖像含有豐富的細(xì)節(jié)信息,而另一幅圖像含有較少的細(xì)節(jié)信息，此時(shí)選擇局部方差較大的小波系數(shù)為作為融合后的小波系數(shù)；當(dāng)時(shí)，表示兩幅云圖細(xì)節(jié)信息相差不DIFKJ大，此時(shí)取紅外云圖的小波系數(shù)為融合后的小波系數(shù)。這樣在增強(qiáng)融合云圖紋理及細(xì)節(jié)信息的同時(shí)，盡可能多地保留原紅外云圖的紅外信息。具體規(guī)則如公式（5）所示TDIFWVARKJJJSKISJFUS,式中，、和分別表示紅外YXKJIRJ,YXJUS云圖IR、可見光云圖VIS和融合圖像FUS在分解尺度J上K方向上融合圖像的高頻分量。3融合實(shí)驗(yàn)結(jié)果及分析為了驗(yàn)證算法的正確性與有效性，在實(shí)驗(yàn)測(cè)試時(shí)采用以下三種算法進(jìn)行比較方法1低頻與高頻分量均采用加權(quán)平均法；方法2低頻采用加權(quán)平均法，高頻采用局部方差法；方法3本文算法。實(shí)驗(yàn)采用FY2E在2011年10月16日12時(shí)觀測(cè)到的我國(guó)華南地區(qū)衛(wèi)星云圖數(shù)據(jù)，如圖2、3所示，云圖已進(jìn)行直方圖匹配預(yù)處理。采用DAUB4為小波濾波器矩陣，分解層數(shù)為3。結(jié)果如圖4圖8所示。圖2紅外云圖圖3可見光云圖圖4方法1融合云圖圖5方法2融合云圖圖6方法3，P085圖7方法3，P07圖8方法3，P065表1紅外云圖與可見光云圖的融合性能評(píng)價(jià)融合方法均值信息熵平均梯度與IR相關(guān)系數(shù)與VIS相關(guān)系數(shù)方法111003265471241908650722方法211482465671366206560883（5）（2）（3）（4）方法3,P08511764365921281208640752方法3,P0711928766141342608050827方法3,P06511603165711371206890865對(duì)融合結(jié)果進(jìn)行對(duì)比分析。從視覺效果來看，本文算法取得了一個(gè)較好的融合效果。和方法1相比，融合云圖更為清晰，紋理特征更加豐富；和方法2相比，算法在提高了融合云圖紋理和細(xì)節(jié)信息的同時(shí)，更多地保留了原紅外圖像的紅外信息，云層特性更為分明。為進(jìn)一步比較，本文采用基于文獻(xiàn)13,14客觀評(píng)價(jià)指標(biāo)，統(tǒng)計(jì)了均值、信息熵、平均梯度、相關(guān)系數(shù)四種指標(biāo)，表1給出了統(tǒng)計(jì)結(jié)果。從表中可以看出，本文算法生成的云圖在均值和信息熵兩方面均得到了提高。權(quán)值P、Q的改變，對(duì)融合結(jié)果有著一定的影響。當(dāng)P取07、Q取03時(shí)，雖然圖像的平均梯度有所減少，但融合云圖的均值和信息熵達(dá)到最大，此時(shí)融合云圖與原始云圖的相關(guān)性最好，算法在紋理細(xì)節(jié)信息的增強(qiáng)和紅外信息的保持之間取得了一個(gè)最好的效果。4結(jié)束語本文根據(jù)紅外云圖和可見光云圖融合的實(shí)際應(yīng)用要求，提出了一種基于加權(quán)和改進(jìn)的自適應(yīng)局部方差小波變換融合方法。實(shí)驗(yàn)結(jié)果表明，該方法克服了加權(quán)平均法中細(xì)節(jié)紋理信息不夠清晰的缺點(diǎn)，同時(shí)也克服了局部方差取大時(shí)紅外信息丟失的缺點(diǎn)。算法在融合了可見光云圖的紋理和邊緣信息，提高圖像清晰度的同時(shí)，更好地保持了原紅外云圖的紅外信息，云層特性更為分明。且當(dāng)P取07、Q取03時(shí)融合取得了一個(gè)最好的效果，是一種較理想的衛(wèi)星云圖融合方法。參考文獻(xiàn)1盧振坤,玉振明基于局部GABOR能量的多聚焦圖像融合J計(jì)算機(jī)應(yīng)用研究，2010,275194419472覃征,鮑復(fù)民,李愛國(guó)等數(shù)字圖像融合M西安西安交通大學(xué)出版社,2004123LIST,YANGBMULTIFOCUSIMAGEFUSIONUSINGREGIONSEGMENTATIONANDSPATIALFREQUENCYJIMAGEANDVISIONCOMPUTING,2008,2679719794DOMN,VETTERLIMTHECONTOURLETTRANSFORMANEFFICIENTDIRECTIONALMULTIRESOLUTIONIMAGEREPRESENTATIONJIEEETRANSONIMAGEPROCESSING,2005,142209121065孫巍,王珂,袁國(guó)良等基于復(fù)數(shù)小波域的多聚焦圖像融合J中國(guó)圖象圖形學(xué)報(bào),2008,1359519576ZHAORUI,ZHANGKE,LIYANJUNANIMAGEFUSIONALGORITHMUSINGWAVELETTRANSLATEJACTELECTRONICSINICA,2004,2157507537劉喜貴,劉純虎,凌文杰一種基于小波多分辨率分解的圖像融合新算法J光電子激光,2004,1533443478WENCY,CHENJKMULTIRESOLUTIONIMAGEFUSIONTECHNIQUEANDITSAPPLICATIONTOFORENSICSCIENCEJFORENSICSCIENCEINTERNATIONAL,2004ALLATSGATHEORYFORMULTIRESOLUTIONSIGNALDECOMPOSITIONTHEWAVELETREPRESENTATIONJIEEETRANSACTIONONPATTERNANALYSISANDMACHINEINTELLIGENCE,1988,11767469310岳晉,楊汝良,宦若紅基于雙密度雙樹復(fù)數(shù)小波變換的圖像融合研究J電子與信息學(xué)報(bào),2009,31112913311LUORC,YIHCHIHCHEN,SUKUOLANMULTISENSORFUSIONANDINTERGRATIONAPPROACH,APPLICATION,ANDFUTURERESEARCHDIRECTIONSJIEEESENSORJOURNAL,200