基于局部方差和加权相结合的小波气象卫星云图融合方法研究(再改版)

基于局部方差和加权相结合的小波气象卫星云图融合方法研究汪大1，毕硕本2，颜坚1，郭忆2（南京信息工程大学计算机与软件学院1，南京210044）（南京信息工程大学遥感学院2，南京210044）摘要以往的很多图像融合方法很少考虑要融合的各种图像的应用背景和实际意义，在设计时缺乏应用的针对性。本文根据红外云图和可见光云图融合的实际应用要求，提出了一种基于局部方差和加权相结合的小波融合方法，对小波变换后的低频分量，全部采用红外云图的低频信息，高频分量则采用局部方差与加权相结合的融合准则确定融合系数。实验结果表明，本文算法在融合了可见光云图的纹理和边缘信息，提高图像清晰度的同时，更好地保持了原红外云图的红外信息，云层特性更为分明，并且各项融合评价指标均有所提升，说明本文算法有一定的有效性和实用性。关键词红外云图；可见光云图；局部方差；加权；图像融合RESEARCHOFTHEWAVELETSBASEDMETEOROLOGICALSATELLITEIMAGEFUSIONALGORITHMBASEDONTHECOMBININGLOCALVARIANCEWITHWEIGHTINGWANGDA1，BISHUOBEN2，YANJIAN1，GUOYI2（COLLEGEOFCOMPUTERANDSOFTWARE,NANJINGUNIVERSITYOFINFORMATIONSCIENCEVISIBLESATELLITEIMAGELOCALVARIANCEWEIGHTINGIMAGEFUSION1引言在对灾害性的强对流天气监测和预警中，气象卫星获得的云图资料已成为重要的信息来源。红外云图反映的是风暴的亮温差，而可见光云图反映的是风暴的反照率，所以对两组数据进行图像融合，利用融合后的图像对强对流云团进行自动监测和预警具有重要的现实意义。图像融合是采用一定的算法，将2幅或多幅多源图像融合成一幅图像，已获得对同一场景或目标更准确、全面、可靠的图像描述，从而有效地提高图像信息的利用率和系统对目标探测识别的可靠性12。小波变换具有对信号进行多分辨率分析特性，基于小波变换的图像融合方法可以获得与人的视觉特性接近的融合效果3。因此，近年来，基于小波变换的融合算法成为研究重点。目前有两种比较典型的基于小波的图像融合方法，即基于小波系数加权平均的图像融合方法和基于小波系数区域相关性的图像融合方法45。但这些算法很少考虑要融合的各种图像的应用背景和实际意义，在设计时缺乏应用的针对性。在气象预警应用中，我们主要利用红外云图的亮温差值监测强对流云团，但红外云图分辨率较低，而可见光云图的分辨率高，能提供较为清晰的云图纹理特征和边缘特征6。因此要求融合图像在增加可见光云图的纹理和边缘信息的基础上，尽可能地保留红外云图的红外信息。基于此应用要求，本文提出了一种尽量保留红外信息的小波融合新方法，对于低频成分，全部采用红外云图的低频信息；对于高频成分，采用局部方差与加权相结合的方法确定融合系数，最后利用小波逆变换重构融合图像。本文对FY2E传回的红外云图和可见光云图进行了融合实验，并从主观和客观两个方面进行了融合效果评价。实验结果表明，该算法优于传统的融合算法，取得了更好的融合效果。2基于小波变换的红外云图和可见光云图融合21图像的二维离散小波变换小波变换是介于函数的时间域（空间域）表示和频率域表示之间的一种表示方法，它在时间域和频率域上同时具有良好的局部化特性，对高频成分采用逐步精细的时间域取样步长，可以聚焦到对象的任意细节，从而被誉为“数学显微镜”78。本文利用小波变换作为多分辨率分析工具，经小波变换将信号分解为低频近似分量和高频细节分量。实验中利用MALLAT提出的小波变换的快速分解与重构算法，即利用两个一维滤波器实现对二维图像的快速小波分解，再利用两个一维重构滤波器实现二维图像的重构9。22基于小波变换的图像融合原理对二维图像进行N层的小波分解之后，可得到3N1个不同子频带，其中包括3N个高频子带和一个低频子带。除了低频子带的数据为正值外，其他高频子带的数据均在零值左右分布。在高频子带中绝对值较大的系数对应于灰度突变之处，即对应于原始图像中的显著特征（如边缘、线、区域边界等）10。基于小波变换的图像融合的基本步骤如下（1）先对配准后的源图像进行二维离散小波分解；（2）在小波变换域内对各图像的细节信息，即高频分量在不同尺度上按一定的融合规则确定高频融合系数；（3）在小波变换域内对各图像的轮廓信息，即低频分量按一定的融合规则确定低频系数；（4）对融合后的小波系数进行小波逆变换，得到融合后的图像。在图像融合算法中，融合规则11的选取是至关重要的，它直接影响到融合后图像的质量。在基于小波变换的融合算法中，融合规则一般选择某个反映图像特征的量作为活性水平测度，以其大小作为融合图像小波系数的选择依据。23基于局部方差和加权相结合的融合准则在气象预警应用中，我们主要利用红外云图的亮温差值监测强对流云团，但红外云图分辨率较低，而可见光云图的分辨率高，能提供较为清晰的云图纹理特征和边缘特征。因此要求融合图像在增加可见光云图纹理信息的基础上，尽可能的保留红外云图的红外信息。根据此应用要求，本文提出了基于局部方差和加权相结合的融合准则。融合流程图见图1所示。（1）低频分量融合经小波分解得到的图像的低频子带表征了图像的近似信息和平均特性，融合图像要尽可能地保留红外云图的红外信息。因此在低频分量的融合上红外云图直方图匹配小波变换高频分量低频分量高频分量低频分量局部方差与加权相结合取红外云图低频分量重构融合云图红外云图可见光云图小波变换可见光云图图1基于局部方差和加权相结合的小波融合方法流程图上全部采用红外云图的低频信息。融合算法如公式1所示（1）3,2,JYXAJIRJFUSION其中，和分别表示融合图,JSI,JI像FUSION、红外云图IR在小波分解第J层的低频分量。（2）高频分量融合经小波分解得到的图像的高频子带反映原图像的亮度突变特性，表征图像的细节信息，如边缘、线条以及区域边界等等，各个高频子带系数之间呈现出明显的区域相关性，因此高频子带系数融合主要是以一个局域窗口为考察对象，计算局域内的统计特征。在一个局域窗口内，统计特征越明显，说明图像灰度级变化越大，细节越丰富。局部方差通常用来反映图像灰度分布的离散程度，方差越大，离散程度越高，包含的信息就越丰富1213。因此可将局部方差的大小作为高频自带融合的依据。但当红外云图的局部方差小于可见光云图的局部方差时，如果只考虑可见光云图信息，就会造成红外信息的丢失。针对上面情况，在高频分量的融合将采用局部方差与加权相结合的融合规则。选取以当前像素为中心的一个33局部区域，方差VAR定义如下（2）MINJIXVAR1式中，M、N分别为局部区域的行数和列数，为当前33局部区域内一个像素的灰度值，IJX为当前33局部区域的灰度均值。当红外云图的局部方差大于等于可见光云图的局部方差时，取红外云图的小波系数为融合后图像对应的小波系数；当红外云图的局部方差小于可见光云图的局部方差时，取红外云图与可见光云图小波系数的加权值为融合后的小波系数，其中可见光云图所占比例大。融合准则如下,YX,KJFUSIONYXVARQWPKJISKJIRKJI式中，K1，2，3分别表示水平、垂直和对角3个方向；、和分别,YXKJIR,KJVIS,KJFUSION表示红外云图IR、可见光云图VIS和融合图像FUSION在分解尺度J上K方向上融合图像的高频分量；和分别表示红外云图IR和可见光云图KJIRVAKJVISVIS在分解尺度J上K方向对应的局部方差。、P为加权权值，。通过设置权值、QPQ1，可以在红外信息保留和纹理及细节信息的保持两方面进行调整。3融合实验结果及分析为了验证算法的正确性与有效性，在实验测试时采用以下三种算法进行比较方法1低频与高频分量均采用加权平均法；方法2低频分量采用加权平均法，高频部分采用局部方差法，即取局部方差大的图像的小波系数为融合后图像对应的小波系数；方法3本文算法。实验采用为FY2E卫星在2011年10月16日12时观测到的我国华南地区卫星云图数据，如图2、图3所示，大小为256256，云图已进行直方图匹配预处理。融合实验在VISUALC60编译环境下进行。采用DAUB4为小波滤波器矩阵，分解层数为3。实验结果如图4至图8所示。对融合结果进行对比分析，在主观评价上，本文算法取得了一个较好的融合效果。和方法1相比，图2红外云图图3可见光云图图4方法1融合云图图5方法2融合云图图6方法3，图7方法3，图8方法3，08P20P20P表1红外云图与可见光云图的可公关融合性能评价融合方法均值信息熵平均梯度与红外云图相关系数与可见光云图相关系数方法11090281665281193000895707524方法21062735651771422520716808837本文算法08P1103874665941413550739208651本文算法1120866680061402550795808276本文算法31111592679771371880834607721融合云图的纹理和边缘信息更加丰富，和方法2相比，融合云图在融合可见光云图纹理和边缘信息的同时，更好的保持了原红外图像的红外信息，云层特性更为分明。为进一步比较，采用基于文献1213客观评价指标，本文统计了均值、信息熵、平均梯度、相关系数三种指标，表1给出了评价结果。从表中可以看出，本文算法在均值和信息熵方面均得到了提高。权值、的改变，对融PQ合结果有着一定的影响。当取02、取08时，虽然图像的平均梯度有所减少，但融合云图的均值和信息熵达到最大，融合图像在融合可见光云图纹理及边缘信息的同时，更好的保持了原红外图像的红外信息，在纹理细节信息的保留和红外信息的保持之间取得了一个最好的效果。4结束语本文根据红外云图和可见光云图融合的实际应用要求，提出了一种基于局部方差和加权相结合的小波融合方法。小波变换后的低频分量表征图像的近似信息，在低频分量融合上全部采用红外云图的低频信息；高频分量表征图像的细节信息，当红外云图的局部方差小于可见光云图的局部方差时，如果只考虑可见光云图信息，就会造成红外信息的丢失，因此在高频分量的融合采用局部方差与加权相结合的融合准则。实验结果表明，该算法优于其他方法，且当取02、取PQ08时，融合云图在融合了可见光云图的纹理和边缘信息，提高图像清晰度的同时，更好地保持了原红外云图的红外信息，云层特性更为分明，融合取得了一个最好的效果。参考文献1乔闹生,张黎,王先春遥感图像融合方法研究J计算机工程与应用,2009,082敬忠良,肖刚,李振华图像融合理论与应用M北京高等教育出版社，20073ZHAORUI,ZHANGKE,LIYANJUNANIMAGEFUSIONALGORITHMUSINGWAVELETTRANSLATEJACTAELECTRONICASINICA，2004，3257507534龙燕基于小波变换的图像融合研究D山东大学,20085SANTOSM,PAJARESG,PORTETAM,ETALNEWWAVELETSIMAGEFUSIONSTRATEGYJLECTURENOTESINCOMPUTERSCIENCE,2003,26529199266马芳,张强,郭铌,张杰多通道卫星云图云检测方法的研究J大气科学,2007,31017LISHUTAO,BINYANGMULTIFOCUSIMAGEFUSIONBYCOMBININGCURVELETANDWAVELETTRANSFORMJPATTERNRECOGNITIONLETTERS,2008,299125913018GONZALOPAJARES,JESUSMANUELDELACRUZAWAVELETBASEDIMAGEFUSIONTUTORIALJPATTERNRECOGNITION,2004,379185518729MALLATSGATHEORYFORMULTIRESOLUTIONSIGNALDECOMPOSITIONTHEWAVELETREPRESENTATIONJIEEERRANSACTIONONRATTERNANALYSISANDMACHINEINTELLIGENCE，1988,11767469310SHIWENZHONG,ZHUCHANGQING,YANTIAN,ETALWAVELETBASEDIMAGEFUSIONANDQUALITYASSESSMENTINTERNATIOALJOURNALOFAPPLIEDEARTHOBSERVATIONANDGEOINFORMATION,2005,63424125111朱健,石跃祥基于小波变换的一种改进融合规则的图像融合J计算机工程与应用,20