基于权重的HSI多通道图像融合

李 豪, 郭立强

(淮阴师范学院 计算机科学与技术学院, 江苏 淮安 223300)

基于权重的HSI多通道图像融合

李 豪, 郭立强

(淮阴师范学院 计算机科学与技术学院, 江苏 淮安 223300)

针对现有的彩色图像融合方法所存在的融合失真问题,提出了一种基于权重的HSI多通道图像融合方法．将源图像从RGB颜色空间转换为HSI颜色空间,采用不同的融合规则对I、H和S分量进行融合,再将融合后的通道图像再转换为RGB图像．该算法融合后的图像更加清晰,无颜色失真,并且算法复杂度低．实验结果表明,该图像融合算法优于传统经典的融合算法．

图像融合; 权重; HSI颜色空间

0 引言

彩色图像融合技术是指将多源信道所采集到关于同一目标的图像经过一定的图像处理,提取出各信道中所需要的信息,最后综合成一幅新的图像．图像融合技术有效的综合各个图像的互补信息点,最大限度的得到更加全面和可靠的图像信息,有利于对目标的识别、解释、定位和分析．

图像融合技术按照信息表征层次不同,由低到高可分为像素级图像融合、特征级图像融合和决策级图像融合．像素级图像融合是最低层次的融合技术,保留了尽可能多的场景信息,精度比较高,可用来提高信号的灵敏度与信噪比,以利于目标观测和特征提取．像素级图像融合按照融合方法可分为基于空间域的图像融合和基于变换域的图像融合,经典的空间域图像融合算法包括:HSI空间融合算法[1-2]、加权平均融合算法、主成分分析融合算法[3]、伪彩色融合算法[4]等．本文基于权重的HSI多通道图像融合也属于空间域的图像融合．

然而,现有的算法在融合效果上存在诸多问题．如加权平均算法的算法复杂度最小,但效果也是最差的,融合后的图像存在整个区域上的模糊现象;主成分分析方法得到的融合图像存在较为严重的颜色失真;而一些伪彩色图像融合算法并不是真正意义上的彩色图像融合算法,主要针对红外图像和可见光图像融合．HSI空间结合一些变换进行融合的颜色失真较小,但其算法复杂度又较高．针对上述问题,本文提出在HSI颜色空间上的加权平均算法,用于彩色图像融合．该算法的优点是融合图像的颜色失真小,图像清晰且计算复杂度低．

1 基于权重的HSI多通道彩色图像融合算法

1.1 融合算法流程

本文所提出的基于权重HIS多通道彩色图像融合算法如图1所示.

图1 基于权重的HSI多通道融合流程图

1) 对两幅源图像Plane1、Plane2和Rifle1、Rifle2进行颜色空间的转换,把RGB颜色空间转换到HSI颜色空间,分别得到两幅图像H、S、I通道的分量．

2) 针对I(亮度)表示无色的光强度,与彩色光能量大小有关,所以采用权重运算融合规则．H(色调)表示感知的主要颜色,与彩色光的波长有关,那么采用算术运算融合规则．S(饱和度)反映了颜色的纯度,即彩色光中掺杂白光的程度,则采用算术运算融合规则．

3) 将得到融合后的H、S、I分量进行整合,然后再转换到RGB颜色空间,得到最终的融合图像．

1.2 融合规则

在图像融合过程中,融合规则的选取至关重要．本文算法中,I通道融合采用的融合规则是权重运算．权重就是指该分量占最后图像分量的百分比,可以通过改变权重大小来改变哪一幅图像分量比重．运算公式如下:

I=w*I1+(1-w)*I2

(1)

而H和S通道融合采用的是算术运算融合．设D1和D2分别为H和S分量值取绝对值的差,定义为:

D1=(abs(H1)-abs(H2))

(2)

D2=(abs(S1)-abs(S2))

(3)

如果D1≥0或者D2≥0,那么H和S通道融合图像定义为:

H=D1*H1+(～D1)*H2

(4)

S=D2*H1+(～D2)*H2

(5)

2 实验结果与分析

为了验证本文提出的基于权重的HSI多通道图像融合算法的效能,选用了两幅不同物体不同模糊程度的图像进行融合实验,源图像如图2所示．

(a) Plane1 (b) Plane2 (c) Rifle1 (d) Rifle2

为了对比融合的效果,选取了两种经典融合算法与两种不同权重的本文算法进行对比．如图3所示,其中图3(a)、图3(b)分别为PCA算法DWT算法的融合结果,图3(c)、图3(d)为本算法的融合结果,采用权重分别为0.5和0.7．

图4为本文算法与PCA算法和DWT算法的融合结果．从图3和图4的融合结果可以看出,本算法的融合结果的图像清晰度优于其他算法,且无颜色失真现象．同时,本文算法所得到的融合图像的对比度、色调更好一些．综合对比,从主观评价来说,基于权重的HSI多通道图像融合算法比传统经典的图像融合算法效果更好．

(a) PCA算法1 (b) DWT算法 (c) 本算法w=0.5 (d) 本算法w=0.7

(a) PCA算法1 (b) DWT算法 (c) 本算法w=0.5 (d) 本算法w=0.7

通过一些量化指标，可以从客观角度对本文算法和其他算法进行对比分析．本文所用的客观评价指标[5-6]有: 互信息、相关系数、扭曲度、Qabf、CCM．互信息能够反映图像之间的相关程度,所以互信息值越大,则表明融合图像从源图像中获取的信息越丰富,因此融合效果越好．相关系数表示融合图像与理想图像的相关性,相关系数值越大,说明融合图像质量越好．扭曲度反映的是光谱的扭曲度,所以扭曲度的值越小,说明融合图像越好．指标Qabf和CCM的数值越大,则说明融合图像质量越高．两幅图像客观评价指标如表1和表2所示．

表1 源图像Plane评价数据

表2 源图像Rifle评价数据

从表1和表2可见,基于权重的HSI多通道图像融合算法的互信息、相关系数、扭曲度、Qabf、CCM等评价指标要优于其他算法．基于权重的HSI多通道融合图像纹理更加清晰、细节提取比较准确,其CCM和扭曲度等评价指标优于PCA、DWT等传统经典算法．

3 结语

为了解决现有彩色图像融合算法所存在的模糊失真、颜色失真等问题,提出了基于权重的HSI多通道图像融合算法．主观评价上,本算法的视觉效果最好．客观评价上,扭曲度、CCM、相关系数等评价指标均优于传统经典图像融合算法．

[1] Tu T M, Su S C, Shyu HC, et al. A new look at IHS-like image fusion methods[J]. Information Fusion,2001,2: 177-186.

[2] Zhao H, Li Q, Feng H. Multi-focus color image fusion in the HSI spaceusing the sum modied laplacian and a coarse edge map[J]. Image and Vision Computing, 2008, 26:1285-1295.

[3] Jia Y H. Fusion of Landsat TM and SAR image based on principal component analysis[J]. Remote Sensing Technology and Applicaton. 1998,13 (1):46-49.

[4] 王岭雪,金伟其,刘广荣. 夜视图像的彩色融合方法综述[J].红外技术,2002, 24(2):9-13.

[5] Xydeas C S, Petrovic V. Objective image fusion performance measure[J]. Electronic Letter, 2000, 36: 308-309.

[6] Yuan Y, Zhang J, Chang B,et al. Objective quality evaluation of visible and infrared color fusion image[J]. Optical Engineering, 2011, 50(3): 033202.

AWeightedHSIMultichannelImageFusion

LI Hao, GUO Li-qiang

(School of Computer Science and Technology, Huaiyin Normal University, Jiangsu Huaian 223300, China)

Aiming at the distortion problem for the existing fusion methods, we proposed the weighted HIS multichannel image fusion algorithm. Firstly, the source image was transformed from RGB color space to HSI; then, using different fusion rule to get theH,SandIcomponents of the fused image; lastly, convert the fused image from HSI to RGB color space. The fused color image by using our method is much clearer than the existing methods. Besides, no color distortion was occurred, and the computation complexity was low. Experimental results show that the proposed algorithm works better than the other methods.

image fusion; weight; HSI color space

TP394.1

A

1671-6876(2017)03-0222-04

[责任编辑蒋海龙]

2017-06-06

国家自然科学基金项目(61203242); 江苏省高校大学生创新创业训练计划项目(201610323032Y)

郭立强(1982-),男,吉林汪清人,副教授,博士,研究方向为图像处理与模式识别. E-mail: guolq@hytc.edu.cn