小波图像融合综述(2)——图像融合规则

本文探讨了小波变换在图像融合中的关键作用,通过分解图像以突出不同特征,采用不同的融合规则,如单个像素和区域特征方法。讨论了各种融合规则的优缺点,包括直接替换、最大值选取、加权平均、基于梯度、局域方差和局域能量的方法。针对不同图像类型,介绍了取系数绝对值较大法、加权平均法、消除高频噪声法和双阈值法等融合策略。
摘要由CSDN通过智能技术生成
       对图像而言,小波变换是将图像分解成频域上各个频率段的子图,以代表原图的各个特征分量。这对后续的融合处理极为重要,使得融合处理可以根据不同的特征分量采用不同的融合方法以达到最佳融合效果。图像的融合策略(方法)是图像融合的核心,方法与规则的优劣直接影响融合的速度与质量。
       在一幅图像的小波分解中,绝对值较大的小波高频系数对应着亮度急剧变化的点,也就是图像中对比度变换较大的边缘特征,如边界、亮线及区域轮廓。融合的效果就是对同样的目标,融合前在图像A中若比图像B中显著,融合后图像A中的目标就被保留,图像B中的目标就被忽略。这样,图像A、B中目标的小波变换系数将在不同的分辨率水平上占统治地位,从而在最终的融合图像中,图像A 与图像B中的显著目标都被保留。
       目前小波域的融合规则主要分为两种:
       一、基于单个像素的融合规则
主要包括:(1)小波系数的直接替换或追加;(2)最大值选取;(3)加权平均。
       二、基于区域特征的融合规则。
主要包括:(1)基于梯度的方法;(2)基于局域方差的方法;(3)基于局域能量的方法。
       基于像素的融合规则在融合处理时表现出对边缘的高度敏感性,使得在预处理时要求图像是严格对准的,否则处理结果将不尽人意,这就加大了预处理的难度。
       基于区域的融合规则由于考虑了与相邻像素间的相关性,降低了对边缘的敏感性,所以具有更加广泛的适用性。
  • 2
    点赞
  • 52
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
图 像 融 合 是一 种 重要的 增 强 图 像信 息的 技术方 法 , 如 何 对 同 一 目 标 的多 源 遥 感 图 像 数 据 进 行有效 的融 合 , 最 大 限 度 地利 用 多 源 遥 感 数据 中 的 有 用 信 息 , 提 高 系 统的 正 确 识 别 、 判 断 和 决 策 能力 , 这是 遥感 数 据融 合研 究 的重要 内容之 一 。 图 像 融 合 技 术 的 发 展 经 历了 3 个阶段 : ( l ) 简单 的 图 像 融 合方 法 , 如 R G B 假彩色 合 成 、 I H S 彩 色 变 换 、 P CA 主 分 量 变换 法 等 ; ( 2 ) 随 着 塔 式算 子的提 出 , 在融 合领域 也出现 了 一 些较为复杂 的 模 型 ; ( 3 ) 用 小波 变换 的多 尺 度分 析 替代塔 式 算 法 。 传 统的图 像 数 据 融 合 方法对 中 、 高 分辨率 的遥 感 图 像 的 数据 融 合 一 般 都 能 取 得 比 较理 想的 效 果 , 但 对 于 低 分 辨率 的 遥 感 图 像 数 据 融 合 效 果 并 不 明 显 。 具 有 “ 数学 显 微 镜 ” 之称 的 小波变换 同时 在 时 域 和 频 域 具有分 辨率 , 对 高 频 分 量 采 用 逐 渐 精 细的 时域或 空 域 步 长 , 可 以 聚 焦 到 分析 对 象 的 任 意细节 , 对 于 剧 烈 变化 的 边 缘 , 比 常 规 的 傅 里 叶 变换 具有更 好 的适 应性 。 由 于 小波变换具有 的 特 点 , 使 它 很快在 图 像 处理 中 得 到 广 泛的应 用 。 与 传 统的 数据 融 合方 法相 比 , 小波融 合 方 法 不 仅 能 够 针 对 输 人图 像 的 不 同 特 征 来 合 理选择小波 基 以 及小 波 变 换 的次 数 , 而 且在融 合 操 作 时 又 可 以 根 据 实 际 需 要 来引 人 双方的细节 信 息 。 从 而 表 现 出 更 强 的针对 性 和 实 用 性 , 融 合效 果更 好 。 另 外 , 从实施 过程 的 灵 活性 方 面 评 价 , IH S 彩色变换 只 能 而且 必须 同 时对 三 个波 段 进行融 合 操 作 , P C A 主 分 量变换 法 的 输 人 图 像 必 须有 三 个或 三 个 以 上 , 而 小 波方 法则 能够完成 对 单 一 波 段 或多 个波 段 的 融 合 运 算 , 对 于 单 个 黑 白 图 像 的 融 合 , 小波 方 法 更 是唯一的选 择 。 本 文 提出 了 一种基 于 小波变 换 的 融 合方 法 , 使 得融 合 图 像 在最 大 限 度 保 留 多波段光 谱 信 息 的 同时 , 提 高 了 清 晰 度 和空 间 分 辨 率 。 并 在 M A T L A B 环 境 下 对 该方 法 进行 了 实 例 分 析 , 从 图 像 清 晰度 、 信 息墒 、 信 噪 比 等 几 个 方 面 对结 果 做 了 深 人的 分 析 与 对 比 , 发现 融 合 后的 图 像 均 值 和 方 差 基 本 保持 不 变 , 图 像 信 噪 比 为 ZO db 左右 , 说 明 融 合 后 的 图 像 基 本保持 了 原 始 图 像 的光 谱 特 性 , 而 信 息 嫡 和 清 晰度 有 明 显 的 提高 。 因 此基 于 小 波 变换 的 M a l l a t 多分辨 率 分 析 可 有 效 地 用 于 低分 辨 率多光 谱 遥 感 图 像 的 数 据 融 合 , 融 合 后 的图 像 在 信 息 含量 、

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值