图像融合技术的应用研究及其实现

图像融合技术的应用研究及其实现

肖军保

阿拉善盟科技创新发展中心 750306

摘要：图像融合技术是将同一场景中多个来源的图像资料进行综合处理。图像融合技术是一种非常重要的技术，它能够很好地利用各种通道中的图像信息。本文首先介绍了图像融合的基本原理，然后简要地阐述了图像融合技术的发展，并对像素级别的图像进行了分析，并给出了一种新的基于Sobel的边缘提取算法。通过对比度调制融合、伪彩色融合、小波融合等多种融合技术，将红外与可见光融合在一起。本文对图像融合的效果进行了对比，提出了利用图像融合技术进行材料无损检测的方法。

关键词：图像融合；技术；应用

一、图像配准方法研究

（一） 基于特征的配准方法

现有的配准技术有三种：基于像素的配准、基于特征的配准、基于模型的配准。在配准时，一般要综合考虑相关函数、傅立叶变换和各阶矩之间的相互关系，得到相应的配准参数。例如，当两幅图像只进行平动变换时，平动的变化将极大地影响到图像的相位信息，因此，在频域中，采用相位相关法可以进行匹配。这种方法的速度很慢，而且准确率也很低，而且红外线和可视化图像之间并不是只有一个平移的关系，所以这种方法并不适用。基于模型的配准是一种基于畸变的数学模型的非线性校正法，它仅适用于物体间的局部非线性非刚性变形的校正，主要应用于图像的精确配准和非线性规划[[1]]。

（二） 图像配准中注意的问题

1、 特征空间的选择

在进行匹配时，必须首先选取一个特征空间。它有很多特点，比如图片本身的亮度，还有很多相似的选项。包括边，弯，面。此外，该方法还能利用角点、直线交点、高曲率点等关键特征进行匹配。也可以是统计特性，比如，不变性，重心等。此外，本算法可以根据以上结果进行语义描述，从而达到对齐的目的。突出的特点一般是指可以很容易地识别被处理过的具体象素。统计特性是一种用于描述该地区的估算（一般采用预处理方法）。特征空间是图像配准的基础，是图像处理和计算机视觉的基础。

2、相似性测度的选择

其次，对相似度进行了设计和选取。这一阶段与选择匹配特性有着密切的联系。在图像的内部构造中，即不变性的特征，一般都是由特征空间和相似度来进行提取。典型的相似度量包括：相互相关（如匹配过滤或统计相关）、差异绝对值（这是一种非常有效的方式）傅立叶不变性特性（如相位相关）。而结构和语义的测量要求对其特性的测量具有很大的依赖性。比如，最微小的“自由”数字间的微小的改变被用作相似度的结构模式识别。在图像配准过程中，相似度的选取是影响配准转换的关键环节。并且，它的匹配程度最终应该转换成匹配或不匹配[[2]]。

二、图像融合的算法及应用

（一） 直接平均法融合

直接平均法是一种最简单、最基础的融合算法，它可以减少图象的干扰，但也会导致图象的反差。从可见光图像中可以看到，一片铝箔被粘贴在该平板的表面，因为该铝箔反射系数较高，所以在该图像中显示为一个高的灰阶（白），而在该热成像中，该铝箔的低辐射系数在该图像中显示为一个低的灰阶（黑色），并且当加热后的温度上升时，该对比变得更大。在热成像中，两条没有涂上热膜的区域，其灰度较低，而在可视化图像中则没有。在加权平均方法中，当两个原始图象的权重都为0.5时，可以用以下公式来表达：

L（i，j）=0.5A（i，j）+0.5B（i，j）

（i，j）为图像点的坐标，其中L（i，j）融合后图像的灰度值，A（i，j）可见光图像灰度值，B（i，j）为红外图像灰度值。

采用加权平均方法对多个图像进行融合，其结果依赖于图像权重的选取。类似于加权平均法，逻辑滤波法是一种非常直观的方法。这两种算法具有计算量少、易于实现、抗干扰性强等优点，适用于实时性高、精度低的场合。

（二）对比度调制融合

调制是一种通讯技术，它是一种随着其他信号的改变而改变的特定参数（例如强度、频率等）。利用通讯技术的理念，调制技术已被广泛地用于图像融合，并且在一些方面取得了良好的效果。

应用于图像融合的方法通常可以用于两种图像的融合。其基本操作是对一张图片进行归一化，再用其他的图象进行归一化，再对其进行再量化。这种处理方式类似于无线电技术中的振幅调制，一张数码影像的灰度与无线电波的振幅大小相等。

三、数字图像处理方法

（一） 常用的图像处理方法

图像低通滤波是一种图像的表面处理方法，它是指在一个特定的点上，与相邻的一个像素集合相关联。即，在给定尺寸的相邻区域内对象素进行转换，从而得到最终的效果。这个相邻区域通常是一个以当前像素为中心的奇、奇两个列的矩阵信息，这就是计算的关联性。相邻区域内的象素值可以为图像的空间频率改变提供二维信息。通常，空间频率是指在某一段距离内，象素亮度的变化率，而空间频率则是横向和纵向的分量。在高频率分量的图象中，像素的数值在很小的范围内会发生很大的变化。在大范围内，像素值在低空间频率下的变化很小。低通滤波器是一种常见的图象处理技术，并将其应用于图象的匹配与融合。在算法的实施中，采用相邻像素值的平均值代替目前的象素值。通常使用的是3X3和5X5。卷积运算是数字图象线性化的有效手段。

（二）图像颜色处理

1、灰度化处理

所谓“灰度”就是把颜色的 R、G、B的分量相等。由于R, G, B的数值在0到255之间，因此，它的灰度等级仅仅为256个等级，也就是说，它只能显示256个色彩。

目前常用的三种灰度处理方法：

1)极大值方法：使 R, G, B的值相等，其中最大值为R= G= B= max (R、G、B）

最大值法生成的灰度图像具有较高的亮度。

2)平均法：将 R, G, B的值取平均值，也就是R= G= B=(R+ G+ B)/3平均值法，可以得到更好的灰度图像。

3)加权平均数：按重要程度或其它指标赋予 R, G, B的权重，并对 R, G, B的权重进行加权，即R=G=B=（其中分别为R、G、B的权值。取不同的值，加权平均值法就将形成不同的灰度图像。出于人眼对绿色的敏感度最高，对红色的敏感度次之，对蓝色的敏感度最低，因此使将得到较合理的灰度图像。实验和理论推导证明，当时，即当V=0.30R +0.59G +0.11B；R=G=B=V时，能得到最合理的灰度图像。

（二）伪彩色处理

在医学影像学中，有时需要人工把一张灰度图转化为一张彩色图象。由于人的眼睛对灰度的弱递变比颜色变化的敏感性要低得多。所以把一张灰度图按一定的颜色编码表进行颜色转换，使图象的结构更清晰，从而使人的视觉清晰度得到改善，从而使图像得到更好的强化。通常，为了使灰度图作伪色彩转换，也可以使用256色的色块（我们把它叫做伪色编码表），在该色块中，每个灰度都有相应的 RGB数值。利用Visual C++程序进行伪色转换是一种很好的方法，它可以用指定的假彩色调色盘取代目前的图象。这一操作分为两个步骤：一是根据一个伪色彩编码表格改变目前DIB的颜色。其次，接下来调用调色板类别CPalette中的 SetPaletteEntries( )功能代替当前文件的调色板，从而实现转换。

四、结论

以上所述的技术、方法和应用，在实践中已被用于参考影像融合。融合的品质一般依赖于使用者的体验、融合方式和资料集合。该方法旨在在保留较好的频谱信息质量的前提下，得到最大的空间信息。很遗憾，这个工作没有那么简单。未来数年，专家预计，尤其是先进的融合技术，可以将各种资料来源与传感器相结合，如传感网路，并可应用于生物物理参数及生态模型的量化模型与反演。

参考文献：

[[1]] 王宏英. 医学图像融合技术在肿瘤放射治疗中的应用[J]. 医学食疗与健康, 2020, 18(8):2.

[[2]] 马贺贺, 周岳斌, 饶刚. 图像彩色化方法研究进展[J]. 包装工程,2019,40(3):229-236.MA He-he,ZHOU Yue-bin,RAO Gang.Research Progress of Image Colorization Methods.Packaging Engineering, 2019, 40(3):229-236.

作者简介：肖军保 1978.8.23 男 内蒙古 蒙古族 本科 副高级工程师 阿拉善盟科技创新发展中心 研究方向:电子信息工程