试探究红外与可见光图像实时融合技术

摘要：现阶段，随着科学技术水平的不断提高，为高技术含量精密仪器的研制开发提供了强有力的技术支撑，在这一背景下，涌现出了大量物理特性不同的传感器，这在一定程度上提高了人们获取图像的能力。可见光与红外成像传感器是目前应用较为广泛的成像传感器，几乎涉及各个领域，但由于两者都具有各自的优缺点，所以在一些应用领域中单独采用某一个时，无法达到理想的效果，故此，可将两者进行融合。基于此点，本文就红外与可见光图像的实时融合技术进行探究。

关键词：红外图像 可见光图像 图像配准 图像融合

中图分类号：TP391.41 文献标识码：A 文章编号：1007-9416（2014）03-0208-02

1 红外与可见光图像实时融合的重要意义

可见光图像的优点为时空分辨率较高，可以获得与细节、纹理以及颜色等有关信息，但绝大多数可见光传感器的探测距离都相对较短，而且还不能对一些隐藏的目标进行探测，最关键的是它会受到天气和光线等外界条件的影响，从而使成像效果不太理想。为此，在一些领域当中，单独使用可见光图像进行探测和信息采集无法满足应用要求，这在一定程度上限制了可见光传感器的实际应用。而红外图像则主要是利用接受目标散发出来的红外辐射成像，它的优点是可以探测到隐藏的目标，并且能够实现全天候24h作业，具有较强的抗干扰能力，但它在目标细节方面的表现能力较可见光稍差一些。换言之，单独使用可见光或是红外图像都很难满足实际应用要求，所以可将两者结合到一起使用，这样便可以取长补短，不但能够更有效地突出目标，从而增强图像的理解力，而且还能实现全天候对隐藏目标的探测。为此，研究红外与可见光图像的实时融合显得尤为必要，这对于推动两者在各个领域内的应用具有非常重要的现实意义。

2 红外与可见光图像实时融合的关键技术研究

2.1 红外与可见光图像配准方法设计

在对前人研究成果进行总结的基础上，本文提出一种红外与可见光图像的配准方法：即利用小波模极大值边缘检测获得红外与可见光图像的边缘图像，然后再分别对它们的边缘对齐度以及归一化互信息进行计算，最终按照相似性函数求极值得出待配准图像的变换参数，进而实现图像融合。

（1）边缘提取。大量的理论和实践均表明，小波变换具有非常良好的多分辨率分析能力和时域局域化特征，鉴于此，将其运用到图像边缘检测过程中，能够将图像分解成为若干个尺度。这种检测方法具体是利用对分解之后的各个尺度成分沿梯度方向检测模极大值点，再按照选取的阀值将这些点连接到一起，从而获得该尺度下的图像边缘信息。与经典的边缘检测算法相比，该方法具有多尺度的优越性，能够有效解决噪声与定位精度这两者之间存在的矛盾冲突。

（2）基于互信息与边缘对齐度的相似性测度。这里所指的互信息是信息论中最为基本的概念之一，又被称之为MI，可以用它来描述两个系统之间的信息相关性，其较为显著的特点是能够用熵来描述。通常情况下，在图像处理领域当中，MI主要是用来描述两幅图像间的统计相关性，图像的熵则是对图像灰度概率分布的一种表述方式。图像灰度分布的熵可以用下式表示：

（1）

而两幅图像间的相关量则可以用联合熵来表示，可将图像A与B的联合熵定义为：

（2）

当图像A与B为相互独立时，H（A，B）=H（A）+H（B）。由此可将两幅图像的MI定义为：

（3）

因为MI本身对重叠区域的变化相对比较敏感，这样一来当误匹配数量增加时，可能会导致MI变大，为了有效解决该问题，可以采用归一化互信息测度，即：

（4）

实践证明，归一化互信息要比传统互信息的稳定性强很多，这有助于匹配精度的提高。虽然红外与可见光的图像配准是基于同一个对象信息，但由于两幅图像的基本成像原理有所区别，所以灰度信息也必然会存在一定的差异。若是单独利用归一化互信息作为相似性准则的话，则在两幅图像共有信息取得最大时，可能会出现红外与可见光图像空间位置不匹配的情况。为了有效解决这一问题，可以通过引入边缘对齐度的概念，即利用图像某些一致性较好的边缘信息求出图像的对齐度，再与归一化互信息结合到一起后来实现红外与可见光图像的配准。

（3）图像配准模型。通常情况下，在红外与可见光图像配准的过程中，需要对图像之间的变换模型进行确定，因待匹配与参考图像的大小一致，并且两个点之间的距离经过空间变换之后也会保持不变，这与刚体变换关系相符，由此便可以构建图像配准模型。

（4）配准算法的实现。本文所研究的红外与可见光图像配准的基本思想是先将红外图像与可见光图像分别进行小波模极大值边缘提取，由此获得两个图像的边缘轮廓图像，在按照相似性测度函数与空间变换模型，便可获得图像的空间变换参数，最后对待配准图像进行变化，即与参考图像达到配准。仿真模拟实验在PC机上利用MATLAB软件予以实现。选取一组红外与可见光图像进行仿真实验，图像的大小均为270×360像素，实验过程中以可见光作为参考图像，红外待配准图像。如图1所示。

在图1中，（a）是可见光图像，（b）是红外图像，而（c）和（d）则是通过小波模极大值获得的（a）和（b）的边缘图像。由图中可以清楚的看出，可见光与红外图像提取的边缘轮廓具有良好的一致性，这充分证明了本文提出的这种配准方法快速、有效，可在实际中应用。

2.2 红外与可见光图像融合设计

在对红外与可见光图像进行融合的过程中，可以采用多尺度几何分析的图像融合方法与智能图像融合方法结合到一起，由此形成一种的全新的融合方法，即基于NSCT和PCNN的图像融合算法。这种算法先借助非下采样Contourlet变换对图像进行多尺度分解，由此获得低频子带以及多个高频子带，同时对低频子带可以选用区域加权平均法的融合规则，而对于高频子带则可以采用PCNN的融合规则，最后在经过逆变换便可以获得融合后的图像。为了进一步验证本文提出的这种融合算法的有效性，通过实验的方法与加权平均融合算法、小波变换融合算法以及基于Contourlet变换的融合算法进行了比较。基于MATLAB软件的GUI设计出了图像融合软件，然后分别利用不同的融合方法获得了图像融合结果，如图2所示。

从图2中可以清楚的看到，由加权平均融合算法获得了图像边缘与轮廓相对比较模糊；基于小波变换的融合算法获得的图像产生出了块状效应；而基于Contourlet变换的融合算法较之前两种算法在清晰度方面有所改善；本文提出的融合算法获得的图像融合效果明显优于其它三种算法。这充分证明了该方法具有较高的精确性和有效性，能够在实际中应用。

3 结语

综上所述，本文从图像配准和图像融合两个方面对红外与可见光图像的实时融合技术进行了研究。经过论证本文所设计的图像配准方法和融合算法全部可行，能够在实际中进行应用。在未来一段时期，应当在现有方法的基础上进行不断改进和创新，为红外与可见光图像的实时融合提供可靠的技术支持。

参考文献

[1]陈永胜.面向空间目标识别的红外与可见光图像融合算法及仿真研究[D].上海交通大学，2012（2）.