图像融合技术

     

目录

1.1 加权平均法

1.2 金字塔融合法

1.3 梯度域融合法

​ 1.4 结构变形

---

           图像融合 (Image Fusion) 是指综合多幅输入图像的信息，以获得更高质量输出图 像的过程与融合前的多幅图像相比，融合后的图像应更加适于进一步的观察或处理。图像融合属于数字图像处理领域，在计算摄影学中，用于拍摄所得图像的 后期处理。

        图像融合的作用主要包括 :扩 展图像在空间域或时间域的覆盖范围 ，减少信息冗余 和不确定性，压缩存储空间等[J] 通常情况下，输入图像由同一台照相机在不同时间或者不同照相机在同一 时间采集，输出图像可能反映真实的客观场景，如图 10-1 所示，也可能是利用客观场 中的素材构建的虚拟场景，如图 10-2 所示。

现有的图像融合算法主要有加权平均融合法、金字塔融合法、梯度域融合法、小波变换法以及结构变形法。

1.1 加权平均法

         对图像融合最直观的理解就是要对有重叠区域的输入图像进行平滑过渡 ，即选取一个合适的过渡权值函数对重叠区域的像素进行加权平均。

 权值函数的取值可以有多种形式，如线性权值、高斯分布函数、 Sigmoid函数等。

1.2 金字塔融合法

        使用传统的融合算法，在图像融合过程中，最常见的两个问题分别是突变和重影，其中，突变对应大尺度特征的融合，当融合跨度不足以平滑背景色的差异时就会出现突变现象;重影对应小尺度特征的融合， 当融合跨度远大于错位边界的纹理时，就会出现重影现象。

        为解决上述问题，对不同尺度的特征，应该采用不同的平滑过渡宽度，可以通过建 立图像的拉普拉斯与高斯金字塔 Laplace & Gaussian Pyramid) 实现。

算法思想：

1.图像拉普拉斯与高斯金字塔的建立

 2、利用拉普拉斯和高斯金字塔对图像进行复原

        金字塔融合基于多尺度分频处理的思想，在融合图像中尽 避免突变和 重影 的出 现，其融合效果相对于加权平均法有较大的改 ，但对于由结构偏 差引起 的断 裂和错位 该方法并不能有效予以修正。

1.3 梯度域融合法

        基于梯度域的计算作为一种图像处理方法己广泛应用于高动态范围图像压缩，图像修复 、图像融合 等领域。其中，梯度域融合方法能够在实现色彩平滑过渡的同 时完整保留图像的结构信息，且不要求输入图 像必须有重叠区域 ，相对于 金字塔融合具 有更广泛的应用前景。

算法思想：

 

 

算法流程：

 1.4 结构变形

        结构变形根据图像结构信息对拼接缝附近的输入图像进行形变以解决传统方法无法解决的结构偏差问题 首先通过沿拼缝方向的 维特征点提取与匹配获得拼缝两侧断裂物体边缘的连接关系，并据此对整个重叠区域的图像作变形，使结构偏差得到修正，而输入图形间亮度偏 正则通过变形后图像数据的梯度域融合实现。具体可分为下：

述四个步骤

(1)最优拼缝查找 设定合适的目标函数和搜索策略，在重叠区域的两幅图像内查找最优拼缝。

(2) 维特征点提取与匹配 定义适当的特征描述值，沿着拼缝方向进行一维特征点的提取，找到物体边界的连接关系。

(3)形变的量化与传播 将拼 上每 对匹配的特征点移动到重合位置，以形变向量的形式记录每 个特征点的位移 ，并以 定的策略将形变传播到图像的其余部分使图像的形变在视觉上是连续且平滑的。

(4) 梯度域融合 由图像每 像素点的形变向 得到拼接图像在重叠部分的梯度图， 利用梯度域融合方法求解得到最终的拼接图像。

详细内容请参看《计算摄影学基础》