图像协同融合方法的初步研究摘要：针对单传感器图像光谱属性和空间属性的局限性和单一融合算法融合能力有限的问题，提出了红外图像和可见光图像的协同融合新方法。该方法首先获得多个融合算法下的融合图像，然后综合评定各个融合图像的整体性能，接着在各融合算法之间进行“竞争、合作、调整和反馈”机制下的多次动态图像融合，从而得到一个性能稳定且融合效果最佳的融合图像。初步实验结果显示，该方法能够有效地获取高质量的融合图像。??关键词：图像融合；协同工作；算法评价；灰关联分析??：TP391；N941.5文献标志码：A：1001－3695(2008)01－0316－020引言??图像融合指将来自不同传感器的图像进行合并，以得到一个更为完整的图片或场景[1,2]，其主要目的是利用多幅图像间的冗余信息提高图像的可靠性和利用多幅图像间的互补信息提高图像的清晰度。图像融合大致可分为像素级、特征级和决策级三个层次。像素级融合是特征级融合和决策级融合的基础，是最根本、最重要的融合，因此该类融合算法的研究也最受研究人员重视。目前，已经有很多较为成熟的像素级融合算法，如色调―亮度―饱和度(hueintensitysaturation,HIS)融合法[3，4]、主成分分析(principalcomponentanalysis,PCA)融合法[3]、高通滤波(highpassfilter,HPF)融合法[4]、加权平均法、小波变换法[4，5]、Toet算法[6]和图像金字塔法[7]（包括高斯金字塔、对比度金字塔、比率金字塔和拉普拉斯金字塔）等。此外，一些新的研究思路也相继出现，如基于证据理论、神经网络、专家系统的融合策略等。在具体应用中，这些算法普遍存在的一个问题就是融合性能不稳定，即对于不同的融合原图像，得到的融合图像质量可能不同。如果能够通过一些融合算法间的协同工作，动态地选择一个最佳融合图像，而不是就哪一种具体方法简单地套用公式，那么可能会获得更好的效果。基于这种设想，本文以可见光图像与红外图像为研究对象，提出了一种多个融合算法协同工作下的图像融合方法。??1协同工作下的图像融合新方法??为了改善融合效果，提高图像中目标的清晰度，本文引入了协同融合的概念。协同融合指多种融合算法通过竞争与合作，参数调整及信息反馈等环节，来共同完成一个任务，即获取融合效果最优的融合图像。本文所提方法的基本思路是先由不同的融合算法得到红外图像和可见光图像的多个融合图像，利用各融合图像的性能参数进行基于灰色关联分析的融合图像质量评价[8]，得到一个性能较优的图像。在此基础上，通过各个融合算法间的合作信息引导融合参数调整或融合原图像调整，并将调整后的信息反馈给各融合算法，使之动态地进行多次融合，最终得到一个性能稳定且效果最优的融合图像。设计框图如图1所示。实现步骤如下：??a)选择算法成员，即确定哪些融合算法为参与协同工作的成员。??b)确定评价融合图像质量的性能指标，如交叉熵、偏差度、光谱扭曲度等。??c)由各成员算法得到多个融合图像。??d)根据b)中确定的性能指标，对得到的各融合图像进行融合效果比较，从中选择一个最优融合图像。该阶段表现为协同工作下各算法成员之间的公平竞争。??e)为了保证第一次获得的最优融合图像性能稳定，并且给予其他算法成员第二次竞争机会，通过各成员算法间的合作调整融合参数（如低、高频融合系数）或融合原图像参数（如图像对比度拉伸），把调整后的信息反馈给各融合算法，转到c)，进行二次图像融合。如果二次融合得到的各融合图像中性能最优者仍是上一次胜出的成员算法融合的，那么确定该算法为最优算法，其相应的融合图像质量最优，转到e)输出该图像；反之，若二次融合得到的各个融合图像中性能最优者不是上一次胜出的成员算法所融合的，那么转到c)继续进行竞争、合作、调整和反馈，直到相邻两次的最优图像为同一成员算法所融合的为止。??f)输出质量最优的融合图像。??本方法的关键是信息反馈、协作融合，优点是所得融合图像源于性能稳定的融合算法，且融合质量达到最优。??2仿真实验??2．1算法成员的选择??为了缩短协同工作中图像融合的时间，对以下十余种常见融合算法进行了比较和选优，仅将性能较优的融合算法作为本文方法中的算法成员。实验情况如...