基于内部边缘信息的图像融合质量检测

姚庆锋

（安徽工商职业学院,安徽合肥231131）

基于内部边缘信息的图像融合质量检测

姚庆锋

（安徽工商职业学院,安徽合肥231131）

图像融合被广泛用于很多领域,图像融合质量检测由于提供了检测融合结果的标准而获得了更多的关注.提出一种新的用于图像质量检测的信息检测技术,这种技术由边缘信息和交互信息理论构成.通过简单的推理,这种检测方法易于推广到彩色图像.选择不同类型的图像融合实验对此方法进行验证,结果表明此方法与主体感知具有很好的一致性.

图像融合；质量检测；信息检测技术

图像融合被广泛应用于各个领域,如遥感、医学影像和机器视觉.不同于很多新的融合算法的出现,图像融合质量检测方法的发展很慢.传统的图像质量检测是由视觉分析或者简单的误差率比较构成,已经不能满足现在的需求,尤其是图像融合,需要新的图像融合质量检测方案.近几年,已经出现了一些图像融合质量检测的方法,在利用标准图像进行检测时，Li使用标准偏差来进行检测,可以指出理想图像和融合图像之间的差别,它沿用了传统经典的方法[1].Wang建立了一个通用图像质量指标,而Piella通过权衡它的质量扩展了这种方法[2-3].这种方法的核心概念在于它仍然是方差和协方差.虽然它的焦点在于图像统计信息,而不是其他的因素,但是它仍然需要一个图像作为一个标准.这种方法的关键点在于寻找一个理想图像,但通常这个理想图像在实际中无法得到.在利用关系进行检测时,Qu提出了基于交互信息的一种融合评价方法[4].Chen H和Chen Y分别对图像融合提出了一个感知质量评价方法,这种方法是基于对彩色图像非常有效的图像对比灵敏度函数[5-6].然而这种方法仅仅是测量两个图像的关系,不能给出目标图像的质量检测.在没有其他图像的检测时,Xydeas和Petrovic提出一种对于图像融合性能的信息检测,这种方法与通过S函数表达的边缘信息有关[7].在这种情况下,我们关心的仅仅是边缘信息,而没有边缘信息的像素点就可以完全地被忽略.虽然这种方法的研究很少,但是这种方法在实际应用中更加有意义.

本文提出了一种新的基于信息理论和内部边缘信息的图像质量检测方法,它独立于其它图像.这种方法可以用来测量单个图像或融合图像的质量.通过一个简单的推理,这种方法也可以被应用于彩色图像.

1 融合图像检测

图像质量检测的目的在于反映图像的信息质量,因此检测需要反映出有多少信息嵌入在图像中.根据经典理论,差异和不确定性反映了一部分信息.交互信息是非常有效的检测信息,它反映了两个随机变量的信息质量.假设x和y是边际概率分布P（x）和P（y）及联合概率分布P（x,y）的两个随机因数,x和y的交互信息是I（x,y）

如果y优先于x知道,那么交互信息I（x,y）就是对于x的信息精确测量.

对于图像,像素强度的变化会产生一些信息,可以计算图像中像素强度的分布.但是由于一些先验信息不被考虑,导致了测量图像信息不够精确.本文使用特殊的梯度信息（即边缘）去构建图像的先验信息.边缘检测是指在一个点上基于灰度不连续性的测量,这个不连续性反映了图像包含的更多的重要信息,而且这些信息是非常容易得到的.虽然边缘检测已有的方法不如我们所期盼的那么好,但这些方法在一定程度上仍然可以反映出包含在图像中的重要信息.当通过边缘检测方法得到一些边缘信息之后,就可以计算强度.通常认为8个相邻的边缘点或者24个相邻的边缘点（由图像的大小和复杂度决定）可以构造更多的信息.检测信息由式（1）计算得出.从理论分析可知,信息检测量越大,质量或者性能就越高.

灰度图像的信息计算算法：

（1）需要图像信息（假设是一个m*n的矩阵）,计算它的直方图H（x）；

（2）通过已有的检测方法检测边缘信息,可以得到一个只包含0、1两个值的边缘矩阵；

（3）改变8个相邻或者24个相邻边缘特征像素的值为1,其结果即为先验信息矩阵IM；

（4）计算IM直方图H（y）；

（5）从原始图像计算h（x,y）,h（x,y）是像素点数值,其强度为x,先验信息是y；

（6）由式（2）计算图像信息.

彩色图像可以由红绿蓝3个颜色数据通道构建.选取在每个通道上的信息,计算彩色图像和由彩色图像转换过来的灰度图像的关系.示意图见图1.

图1 彩色图像质量评估

这里使用内积表示彩色图像的检测信息

简化式（3）,可以得到式（4）

与灰色图像相对比,彩色图像的每一个通道都提供了不同的边缘信息.假设每个通道的信息越接近于灰色通道,它与主观感知就越一致,通过这个假设,我们可以推导出检测信息α越大,图像的质量或者性能就越高.

2 实验结果分析

本文选择了不同类型的图像来验证此方法,包括多聚焦、多内容、多曝光以及多场景的灰色及彩色图像.在实验中,使用了canny方法来检测图像的边缘[8],灰色图片计算8个相邻像素点的信息,而彩色图片计算24个相邻像素点的信息.

所有的信息测量都是以自然对数e为底.图1显示了多焦距时钟图像.A是受高斯噪声影响的模糊的图像,图像B和C都有失焦部分,B中的失焦部分要比C中的要多.图像D是融合的图像,该图像中两个时钟都非常清晰.

图1 失焦图像融合

检测结果见表1.

表1 失焦图像检测结果

图2是一个医学影像.A是一个病人的CT影像,B是同一个病人的MRI影像.图像C和D是分别通过小波融合技术和权像素方法形成的A和B的融合图像.

图2 CT和MRI图像融合

从测量的值可以比较出不同融合技术的图像质量.非常明显,图像D更加适合主体的观测,而图像C在一些边缘部分比较模糊.按照本文方法计算的图像C和D的信息测量与我们主观感知是一致的.检测结果见表2.

表2 CT和MRI图像融合的检测结果

图3显示了书本的多焦距彩色图像.A是由高斯噪声造成的模糊的图像,B和C都有失焦部分,而且B中的失焦部分要比C中的要多,D是一个融合的图像,可以看到图像中的两部分都非常清晰.

图3 多聚焦彩色图像融合

检测结果见表3.

表3 多聚焦彩色图像融合的检测结果

图像4是多曝光的办公室图像.图像A到E是办公室中同一场景的不同曝光图片.众所周知,过多的曝光或者过少的曝光都会使图像的质量不高.

图4 多曝光办公室图像的融合

质量检测结果如表4所示,从结果中我们可以发现,图像B、C、D的质量检测结果几乎相同,而且比图像A和E要高,而从我们的感知来看,也的确是这样.融合图像F是质量最高的图像,尽管它只比图像C高一点.

表4 多曝光办公室图像的融合的检测结果

图5是多场景的桥的图像.图像A、B、C是照相机在不同时间段拍摄的桥的场景.图像D是图像A、B、C的融合图像.

图5 多场景的融合图像

图像检测的结果如表5所示.非常明显,融合图像比原始场景图像包含了更多的信息.

表5 多场景的融合图像的检测结果

上述的实验结果验证了本文的方法适用于不同类型的图像融合.虽然在有些实验中的检测差异不是那么明显,但是他们的变化与我们的感知是非常一致的.

3 结论

本文提出了一种新的融合图像的信息检测方法,这种方法反映了图像的内部信息.通过简单的推理,可以将该方法推广到彩色图像.实验表明该方法对于灰色图像和彩色图像,其结果与主观感知都非常的一致.该方法不仅可以用于客观的质量评估,也可以用于模糊图像以及图像融合的检测.

[1]Li H,Manjunath B S,Mitra S K.Multisensor image fusion using the wavelet transform[J].IEEE International Comference Image Processing,1994,1（13/16）：51-55.

[2]Wang Z,Bovik A C.A universal image quality index[J].Signal Processing Letters IEEE,2002,9（3）：81-84.

[3]Piella G,Heijmans H.A new quality metric for image fusion[J].IEEE International Conference on Image Processing,2003,2（14）：III-173-6.

[4]Qu G H,Zhang D L,Yan P F.Information measure for performance of image fusion[J].Electronics Letters,2002,38（7）：308-309.

[5]Chen H,PramodK,Varshney.A perceptual qualitymetric for image fusion basedonregionalinformation[J].Multisensor,Multisource Information Fusion：Architectures,Algorithms,and Applications,2005,5813：34-35.

[6]ChenY,Rick S B.A new automated quality assessment algorithm for image fusion[J].Image and Vision Computing,2009,27：1421-1432.

[7]Xydeas C S,Petrovic V.Objective image fusion performance measure[J].Electronic Letters,2000,36（4）：308-309.

[8]张煜,刘哲星,李树祥,等.医学图像信息融合技术的发展[J].国外医学：生物医学工程分册,2000（4）：203-205.

（责任编辑：卢奇）

Object fused image quality measure based on inner edge information

Yao Qingfeng
（Anhui Business Vocational College,Hefei 231131,China）

Image fusion is widely applied in many fields.Now,object fused image quality assessment attracts more attention in image fusion because it provides criterion to assess fusion result.A new information measure for image quality assessment is proposed in this paper,which is constructed by edge feature and mutual information theory.This method can be easily extended to color image though simple inference.We select different type of fusion images to validate our method.All of experiment results show the method corresponds well to subject perceiving.

fused image；quality measure；information technology measure

TP391

A

1008-7516（2012）01-0088-05

10.3969/j.issn.1008-7516.2012.01.021

2011-11-29

姚庆锋（1976-）,男,安徽合肥人,硕士,讲师.主要从事电子与通信技术研究.