基于免疫克隆选择的多尺度对比度塔和多小波的SAR图像融合VIP免费

《计算机学报》2009年7期基于CP和多小波HMT模型的克隆选择遥感图像融合*金海燕1,2焦李成1(1西安电子科技大学智能信息处理研究所陕西西安，7100712西安理工大学计算机科学与工程学院陕西西安，710048)摘要：如何得到有效的融合系数是图像融合的关键。本文从图像的统计特性出发，构造了对比度塔（CP）和GHM多小波，建立了多小波HMT模型以捕获多小波系数之间的相关性。同时，将进化计算思想—免疫克隆选择（ICS）算法引入到图像融合处理中，用来优化融合系数，较好地实现了多传感器遥感图像的融合。仿真实验证明，与传统的小波变换和多小波变换方法相比，本文方法得到的融合图像有效地保留了图像的细节和纹理信息，图像的信息熵值保持在较高水平，平均梯度值比小波变换和多小波变换方法平均分别提高了1.3和2.3，标准差值平均分别提高了8.0和8.8。关键词：图像融合免疫克隆选择多小波变换HMT模型CP分解ClonalSelectionRemoteSensingImageFusionBasedonCPandMultiwaveletHMTModelsJINHaiyan1,2,JIAOLicheng2(1InstituteofIntelligentinformationprocessing,XidianUniversity,Xi’an710071,China2SchoolofComputerScience&Engineering,Xi’anUniversityofTechnology,Xi’an710048,China)Abstract:Howtoobtainefficientfusioncoefficientsisthekeyprobleminimagefusionprocessing.Intermsofthestatisticalcharacteristicofimages,CPdecompositionandGHMmultiwaveletsareconstructedandusingmultiwaveletdomainHMTmodelstocapturethedependenciesofcoefficientsinthisarticle.Furthermore,theevolutioncomputationidea—immuneclonalselection(ICS)algorithmisintroducedtooptimizethefusioncoefficientsforbetterfusionresults.Fusionperformanceisevaluatedthroughsubjectiveinspection,aswellasobjectivefusionperformancemeasurements.Resultsclearlydemonstratethesuperiorityofthisnewapproachwhencomparedtoconventionalwaveletsandmultiwaveletsystemsasinformationentropy(IE)valueskeepatahighlevel,andaveragegrads(AG)valuesincreaseaveragelyabout1.3and2.3,respectivelyandstandarddifferences(STD)valuesincreaseaveragelyabout8.0and8.8,respectively.Keywords:Imagefusion;Immuneclonalselection;Multiwavelettransform;HMTmodels;CPdecomposition1引言图像融合作为图像的预处理过程是近年来图像工程领域的研究热点。对于二维图像来说，融合的目的就是通过对多幅源图像进行信息提取与综合，从而获得对同一场景或目标更准确、全面和可靠的图像描述。目前，融合技术已广泛应用于医学图像处理、遥感图像处理和天气预报等领域中。多传感器遥感图像提供了地物不同电磁波段、不同时相、不同入射角、不同成像机理、不同空间分辨率的信息，由于这些信息可以互相补充，因此多传感器遥感图像融合可以弥补单一传感器获取图像信息的不足。所以，对遥感图像的融合研究更具有十分重要的意义。图像融合通常在以下三个层次上进行：象素级、特征级和决策级。目前，大部分的融合研究都集中在象素级。融合的方法主要有：简单的图像融合方法，基于塔形变换的方法[1-2]，基于小波变换的方法[3]等。简单的图像融合方法采用的融合规则就是直接对象素进行选择、平均或加权平均等操作，通常得不到满意的结果。Toet[4]首先提出了基于比率塔分解的融合方法，其融合规则是基于象素的简单选择，但融合效果不够理想。基于单小波变换的融合方法考虑的是两幅图像小波系数的最大绝对值或局部区域特征。小**基金项目:国家“863”计划(No.20060101Z1119),陕西省自然科学基金(No.2007F51)1《计算机学报》2009年7期波基在表示图像边缘的线奇异性时，并不是最优基。因此，基于小波变换的方法不能很好地挖掘图像的边缘性质和细节信息，处理后的图像边缘有“振铃”现象。自从最早的由Geronimo、Hardin和Massopust成功构造GHM多小波以来，多小波以其独特的魅力引起了许多研究者的浓厚兴趣，这主要是因为它既保持了单小波的诸多优点，又克服了单小波的缺陷，而且它把十分重要的正交性、光滑性、紧支性、对称性等完美...