图像融合算法性能评价系统研究

开篇：润墨网以专业的文秘视角，为您筛选了一篇图像融合算法性能评价系统研究范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

摘　要　图像融合的主要思想是采用一定的算法，把具有不同成像机理的图像传感器对同一场景的多个成像信息融合成一个新的图像，从而使融合的图像可信度更高，更适合人的视觉及计算机的检测、分类、识别、理解等处理。本论文致力于对图像融合相关技术进行应用、研究与实现，利用Matlab的GUI编写人机界面，实现多幅图像的输入、图像显示、图像融合以及根据性能指标判断融合后图像的优劣。

关键词　PCA　小波变换　图像质量评价　MATLAB GUI

1 本课题主要研究内容

在图像融合算法性能评价系统研究中，利用Matlab的GUI编写人机界面，实现多幅图像的输入、图像显示、图像融合以及根据性能指标判断融合后图像的优劣；在算法上选择了average（平均数算法）、PCA method（对基于主成份分析的识别算法）、Laplacian Pyramid（拉普拉斯金字塔算法）、DWT with DBSS（小波变换）四种算法来进行图像融合，同时在一定要求下加入噪声来进行比较；在性能评价上面通过两幅残缺图像进行以上四种算法的融合，并利用图像的均值、标准差、熵和空间频率这四个基本指标的参数值来评价融合的效果。建立客观的图像融合技术评价标准，设计图像融合算法性能评价系统。

1.1 图像融合算法概述

（1）average（平均算法）。基于局部区域对比度的选择法利用人眼对对比度非常敏感这一事实，从两幅原图像中选择对比度最大的像素点作为合成图像的像素点。因为图像中的噪声具有很高的对比度，所以对比度的选择技术对噪声非常敏感，这样合成图像中将包含很强的噪声。于是Burr提出了平均和选择相结合的方法，即用1个匹配矩阵来表示两幅图像的相似程度。当两幅图像很相似时，合成图像就采用两幅图的平均值，也就是权值分别为0.5和0.5，这样就可以抑制噪声。

（2）主成份分析(PCA)的识别算法。主成份分析（PCA）方法的实质是将高维数据降为低维数据，使人们能够更直观地看到数据的结构，因而可以用于模式识别、数据的特征提取及数据压缩等领域。实际操作是将原来的各个因素指标重新组合，组合后的新指标是互不相关的，在由这些新指标组成的新特征轴中，只用前几个分量图像就能完全表征原始集群的有效信息，图像中彼此相关的数据被压缩，而特征得到了突出，此方法在对于具有相关因子的多源遥感数据进行融合时有显著优势。

（3）Laplacian Pyramid（拉普拉斯金字塔算法）。用金字塔在空间上表示图像是一种简单方便的方法。概括地说金字塔图像融合法就是将参加融合的每幅源图像作金字塔表示，将所有图像的金字塔表示在各相应层上以一定的融合规则融合，可得到合成的金字塔，将合成的金字塔，用金字塔生成的逆过程重构图像，则可得到融合图像。拉普拉斯金字塔分解，是实现图像多分辨率分析的一种有效方式。每一层次拉普拉斯金字塔分解，将产生一个近似部分和剩余部分，其中将近似部分作了抽取，变为原来的1/2，下一层的分解只对近似部分进行，最后将形成第 n层近似部分和N个细节部分组成的金字塔式的图像分解。

（4）基于小波变换的图像融合。在众多的图像融合技术中，基于小波变换的图像融合方法已成为现今研究的一个热点。在一幅图像的小波变换中，绝对值较大的小波系数对应于边缘这些较为显著的特征，所以大部分基于小波变换的图像融合算法主要研究如何选择合成图像中的小波系数，也就是三个方向上的高频系数，从而达到保留图像边缘的目的。虽然小波系数（高频系数）的选择对于保留图像的边缘等特征具有非常主要的作用，但尺度系数（低频系数）决定了图像的轮廓，正确地选择尺度系数对提高合成图像的视觉效果具有举足轻重的作用。

1.2 图像性能评价概述

为了定量评价融合图像的效果和质量，在性能评价上面通过两幅残缺图像进行以上四种算法的融合，并利用图像的均值、标准差、熵和空间频率这四个基本指标的参数值来评价融合的效果。

（1）均值(Average Value)。均值是像素的灰度平均值，它反映了图像的平均亮度，如果均值适中，则目视效果良好；在统计理论中，统计均值定义为均值的大小表示了图像像素值的平均大小。

（2）标准差(Square Difference)。标准差作为衡量图像信息的重要指标，反映了灰度偏离灰度均值的程度，标准差越大，则灰度级分布越分散，图像中所有灰度级出现的概率越趋于相等，则包含的信息量越趋于最大。标准差是均值间接求得的，图像的标准差反映了图像像素值的分布情况。

（3）熵（Entropy）。图像的熵是包含平均信息量多少的度量，是衡量该图像信息丰富程度的一个重要指标。熵可用于衡量融合图像的整体信息量，数值越大表示融合效果越好。

（4）空间频率。空间频率反映图像的全面活跃水平，其值越大图像越清晰。

MATLAB语言在矩阵运算和数值计算等方面具有强大的功能，而且非常直观、简洁、效率高、交互性好，在数字图像处理领域有较强的应用性。系统结构设计的思路按照MATLAB具体的仿真步骤：（1）将两幅有缺陷的图像采集到计算机内，并将采集来的图文格式图像转化为MATLAB支持的灰度图像；（2）在图像融合的average（平均数算法）、PCA method（对基于主元分析的识别算法）、Laplacian Pyramid（拉普拉斯金字塔算法）、DWT with DBSS（小波变换）四种算法中选择一种算法来进行图像融合；（3）按选定融合规则，对两幅图像进行融合处理，得到融合的图像并得出评价分数；（4）选择并利用图像的均值、标准差、熵和空间频率这四个基本指标的参数值来评价融合的效果；（5）结束。

根据图像融合算法性能评价系统的流程，结合Matlab编程，设计出能够载入图像，并进行图像融合和性能评价的GUI图形界面。

2.1 图像输入模块

在图像输入模块中，选择路径载入两幅聚焦不同的图片：图像A为背景清晰但是近处铁线结模糊的远景图；图像B为背景模糊但是铁线结清晰的近景图。

2.2 图像融合模块

（1）算法选择。在图像融合的average、PCA method、Laplacian Pyramid、DWT with DBSS四种算法中选择一种算法来进行图像融合；在Laplacian Pyramid和DWT with DBSS的选择过程中，需要进一步选择高通系数、低通系数和分解层数。

（2）图像融合完成。在选择完融合算法之后，点击如图1所示“融合图像”的按钮，系统在完成图像融合之后会出现“融合完成！！”字样，并在窗口中显示出融合后的图像。

（3）融合图像评分。在完成图像融合之后，点击如图所示“计算分值”按钮，可以显示出对融合图像计算的分值，在该模块中四种算法的融合图像评分结果和人眼对图像的视觉感观基本达到一致。

（4）图像评价参数选择。通过选择图1所示左侧四个评价参数的按钮，在图像基本参数模块中将显示出相应的参数值，图像A、图像B以及融合图像的对应参数值横向显示可进行对比。

3 图像融合算法性能评价系统的设计

3.1 图像质量主观评价

从融合图像来看，效果最好的是基于DWT和拉普拉斯塔形分解融合算法中选择高通系数为Salience/match measure，低通系数为inputA的融合图像如图2和图3。图2的融合图像对比度好，基本能够体现出目标近处和远处相对准确的细节信息；图3的融合图像对比度较差，亮度较暗需要进一步增强。

3.2 图像质量客观评价

3.3 图像融合效果分析

从上述图像实验主观、客观评价分析可以看出，融合算法效果最好的是基于DWT小波变换中高通系数为choose max、低通系数为inputB、分解层数为7的融合算法（图4），该种算法在均值和标准差两个评价指标上得到最大值。其次是基于DWT小波变换中高通系数为Salience/matchmeasure、低通系数为inputA、分解层数和区域块数都为3的融合算法（图3），该种算法在熵的参数值和融合图像的评分上处于领先。至于融合图像评分最高分的基于拉普拉斯塔形分解中高通系数为Salience/match measure、低通系数为inputA、分解层数为2、区域块数为5的融合算法（图2），却在四个评价指标的数值上没有最高值的显示。

4 结论

融合图像质量主观评价方法就是观察者依靠自己的感觉对图像的质量进行评价的方法。具体做法是由一组观察者，对不同图像融合方法得到的融合图像进行打分，或者对融合图像定目标进行识别，统计出识别率和识别时问，然后综合比较各融合图像的优劣。主观评价方法的优点是比较容易实现、结果较可靠，缺点是受图像类型、应用环境、观察者的选取等因素的影响较大。

融合图像质量客观评价方法是根据图像融合的目的，选取和比较源图像与融合图像的具体评价参数来做出对融合图像质量的评价。客观评价方法不受人为因素影响，但选取不同的参数可能导致评价结果不同，从而与实际的融合图像质量不吻合，影响评价的可信度。这里采用在实际研究中常用的评价指标对图像融合质量进行客观评价。

利用Matlab所提供的图像处理与分析工具，结合其强大的矩阵计算能力，研究人员可利用前人已取得的研究成果，可以把精力集中在图像融合技术理论的研究上，而不必关心图像文件的格式、读写、显示和已有成果的技术细节，并快速测试其图像融合与质量评价的新方案。测试时既可方便地得到统计数据，又可得到直观图示，免去了许多编程的烦恼，取得了事半功倍的效果。本文在 Matlab平台支持下，从实际应用的角度探讨了四种常见图像融合方法的具体实现过程，该系统为图像融合及质量评价提供一种算法实验平台。