.556 智能系统学报 第7卷 1.3基于HS和小波变换的图像融合方法 进行二次小波分解，得到各自高频和低频子图， 由于红外成像器件本身存在的缺陷和环境因素 4)对小波分解后的低频近似分量采用基于窗 的影响，造成了成像效果不理想，主要表现为红外图 口能量的低频子带图融合准则.小波系数的低频分 像中噪声较大、对比度较低、视觉效果不好、分辨图 量，包含了图像信息的主要轮廓信息，它相当于在一 像细节能力比较差等缺点，这些都将影响后续与可 定尺度下对原始信号的近似.而低频能量是图像强 见光图像的配准效果以及融合质量「16].所以，本文 度的一种有效测度，在某种程度上反应图像基本信 方法先对红外图像进行增强处理，改善红外图像的 息，因此可以用局部能量作为低频系数重要性的度 视觉效果，在这里采用的增强方法是灰度变换方法 量.本文采用基于窗口能量的低频子带图融合方法， 它能够使图像的动态范围加大，增大图像对比度，使 其思想是：用低频子带图的窗口能量表征系数的重要 目标更加清晰明显，更方便融合 性，根据窗口能量的大小决定融合源图像子带系数 在图像融合中，融合规则非常重要.一般情况 源图像A、B的低频子带图在位置(i,)处的窗 下，图像所含信息不是一个像素所能表现的，而是由 口局部能量E(i,)定义为 局部区域中多个像素共同表征和体现的.在人类视 E蹬(i)=习 w(i+', (i+j)≤留 觉感知对象中，对单个像素的灰度值并不能很好地 j+j')[C(i+i'+')]2,m=A,B. 感知，而是对图像特定区域内像素比较敏感地感知. 式中：C(i,)表示图像第L层(i,)位置上的低频 另外，图像中某一局部区域各像素之间往往具有较 分量；w(i,)是权系数，一般可取简单平均。 强的相关性1s1.综上可知，基于像素的融合规则 比较2幅图像对应的窗口能量，得出新的低频 有片面性，所以融合效果往往不够理想.然而基于区 分量： 域窗口的融合规则相比于基于像素的融合规则更复 杂，花费时间更长，但可以获得更好的融合效果.为 cun-G:c04C 得到更好的融合效果，本文低频和高频融合规则都 式中：Ci(i,j)为融合后的低频分量灰度值；a、b为 采用基于窗口的融合规则. 权值，应满足较大的权值分配给窗口能量较大的图 本文提出了一种基于HS和小波变换的图像融 像，并且a+b=1. 合算法，该算法步骤如下： 5)小波系数分解后的高频分量包含图像的显 1)对红外图像和可见光图像进行严格配准。 著细节特征，如边缘、纹理、细节等信息.因此对高频 2)对可见光图像进行HS变换，得到I、H、S分 部分处理的主要目的是尽可能增强融合图像的细节 量，对红外图像进行灰度变换， 信息.而图像局部区域的标准差能够反映各像素灰 灰度变换采用的是三段线性变换法，表示为 度对应于区域灰度均值的离散情况，标准差越大，则 61, f<f; 灰度级分别越分散，从而可以更好地反映图像的纹 理、边缘等信息.因此本文采用了基于窗口标准差取 8= 2-gU-f)+g,f≤f≤： 大法的融合规则.此融合方法的思想是，选定M×N f<f g2, 的窗口，计算窗口内像素点灰度值标准差，比较2幅 式中：∫和g分别是灰度变换前和变换后的灰度值， 图像高频分量对应窗口的标准差，取标准差较大的 [f,f方]为实际图像的灰度范围，[g1,g2]为灰度变 高频分量作为新的高频分量.高频分量窗口标准差 换后图像的灰度范围.图2为灰度变换对比图像， 的定义为 (DLx(i,》-Dx)2 STD M×W 式中：M、N分别为窗口内所包含的行、列数；Dx(i, )表示图像第L层、K方向(i,)位置上的高频细 节；K=h,v,d分别代表水平、垂直和对角线方向. (a)原图像 (b)变换后图像 Dx为窗口内的像素灰度均值 图2灰度变换对比图像 得出标准差后按照下式确定新的高频分量！ Fig.2 The comparison images of gray-scale transformation [DLK(ij)=Di.K(ij),STD2 STDB; 3)对可见光图像的I分量和已增强的红外图像 Di(ij)=DEk(i,j),STD<STDa