基于可見光與近紅外的遙感圖像融合增強(qiáng)技術(shù)概述

黃日輝

摘 要 可見光與近紅外能對(duì)不同的物體有不同的響應(yīng)，通過將可見光與近紅外圖像的融合，能夠有效提升遙感圖像的質(zhì)量，本文通過拉普拉斯-金字塔的方法對(duì)遙感圖像進(jìn)行了融合增強(qiáng)。

關(guān)鍵詞 圖像融合;近紅外;圖像金字塔

引言

圖像的可見度和顏色受呼入霾、霧、煙、雨等各種惡劣天氣的影響很大。由于這些條件導(dǎo)致的散射，導(dǎo)致的額衰減和平滑效果導(dǎo)致對(duì)比度和細(xì)節(jié)上的損失。一些研究顯示，通過利用不同傳感器下取得的同一場(chǎng)景的多幅圖像可以增強(qiáng)圖像的可見性。近年來，基于可見光圖像與近紅外圖像（NIR）圖像相結(jié)合的圖像融合增強(qiáng)技術(shù)得到了廣泛的應(yīng)用。數(shù)碼相機(jī)的傳感器可以捕獲到可見光譜（400～700納米）和近紅外光譜（700～1100納米）。近紅外能很好地穿透霧霾，同時(shí)對(duì)植被、云層都有很好的亮度響應(yīng)[1]，近紅外圖像的這些特征對(duì)增強(qiáng)圖像可見性有非常大的幫助。

1基于拉普拉斯-高斯金字塔的近紅外圖像與可見光圖像的融合

拉普拉斯-高斯金字塔融合算法由Tom Mertens[2]等人提出，對(duì)于拉普拉斯金字塔融合算法來說，其過程可以大致上分為三個(gè)步驟：①圖像金字塔的分解。②融合圖像權(quán)重計(jì)算和圖像融合重建。③融合權(quán)重的計(jì)算[3]。在這三個(gè)步驟中最重要的便是計(jì)算融合權(quán)重。對(duì)于本算法來說不同的權(quán)重所導(dǎo)致的結(jié)果又很大的不同。該算法通過圖像的對(duì)比度、色彩的飽和度和曝光度良好這三個(gè)因素來生成圖像融合的像素權(quán)重。因?yàn)榭梢姽鈭D像有三個(gè)通道，R、G和B，而近紅外圖像只有一個(gè)通道。所以可見光圖像與近紅外圖像并不能直接融合，將可見光圖像中的一個(gè)通道替換成近紅外圖像也不是一個(gè)合適的選擇。對(duì)于可見光圖像與近紅外圖像來說，通過將RGB圖像轉(zhuǎn)換為HSV圖像之后進(jìn)行融合是一個(gè)比較好的選擇。

在通過顏色空間轉(zhuǎn)換得到HSV圖像之后，便可以開始對(duì)圖像進(jìn)行基于拉普拉斯-高斯金字塔的融合。一幅圖像的金字塔模型，是一個(gè)呈金字塔形狀排列的，從低到高，分辨率逐層降低的圖像的集合。在金字塔的最底部是分辨率最高的圖像，而在金字塔的最頂層則是分辨率最低的圖像，金字塔每上升一層，圖像的分辨率便會(huì)降低，通過對(duì)圖像進(jìn)行金字塔分解，便能對(duì)圖像進(jìn)行多分辨率的處理了。

高斯金字塔是由金字塔形圖像集合構(gòu)建而成，其算法核心思想便是將需要進(jìn)行處理的圖像通過算法處理，對(duì)圖像下采樣獲得結(jié)果圖刪除偶數(shù)行和列，獲取下層圖像，然后循環(huán)獲得最終結(jié)果。對(duì)于原始圖像進(jìn)行高斯金字塔算法分解的過程中，因?yàn)橐獙?duì)原始圖像進(jìn)行卷積下采樣來獲取之后的圖像，在這一過程中，會(huì)使得一些高頻信息確實(shí)，最終造成圖像清晰度的降低。

為了彌補(bǔ)這一情況的發(fā)生，可以通過拉普拉斯金字塔首先將高斯金字塔程度每一層的圖像和上一層的圖像進(jìn)行上采樣處理，與此同時(shí)進(jìn)行高斯卷積得到一個(gè)中間結(jié)果圖對(duì)其相減，最后獲取其相減之后獲取差值的系列圖像。在對(duì)每一層的圖像進(jìn)行融合之后，對(duì)融合后的金字塔圖形進(jìn)行上采樣，擴(kuò)展后與下層圖像相加，即可得到一幅與待融合圖像大小相等的圖像，將其與RGB圖像轉(zhuǎn)換來的HSV圖像的V通道進(jìn)行替換后便能得到融合后的近紅外與可見光圖像。

2結(jié)束語(yǔ)

為了能夠提高可見光圖像的清晰度，豐富圖像所含的信息量，通過將近紅外圖像和可見光圖像融合的方式可以對(duì)圖像的質(zhì)量有顯著的提高。通過拉普拉斯-金字塔的融合方式將近紅外圖像融合進(jìn)可見光圖像時(shí)，因?yàn)樾枰x擇3個(gè)權(quán)重系數(shù)組成一個(gè)權(quán)重圖來決定每個(gè)像素所保留的信息。所以在融合后能夠盡可能將源圖像雙方各自的優(yōu)勢(shì)都保留下來。

參考文獻(xiàn)

[1] Fredembach C， Susstrunk S. Colouring the near infrared[R]. Portland：Proceedings of the IS&T/SID 16th Color Imaging Conference，2008.

[2] Mertens T， Kautz J， Reeth F V. Exposure fusion[R]. USA：Proceedings of the 15th Pacific Conference on Computer Graphics and Applications，2007.

[3]Ashish V Vanmali，Vikram M Gadre. Visible and NIR image fusion using weight-map-guided Laplacian–Gaussian pyramid for improving scene visibility[J]. Springer India，2017，42（7）：59.