摘 要：针对彩色多聚焦融合图像对比度和饱和度偏低以及色调变化缓慢问题，提出了一种基于HSV空间的图像融合算法。首先对源图像进行RGB到HSV空间的变换，分离H、S、V分量；然后对亮度分量进行小波分解，小波尺度系数采用块自适应加权融合，而高频系数采用块绝对值取大的融合规则之后进行小波逆变换得到融合图像亮度分量；而色调分量与饱和度分量的获取，则是根据源图像与融合图像之间亮度分量的欧氏距离；最后进行HSV逆变换得到融合图像。实验结果表明，该算法有效提高了图像的对比度、饱和度以及色调变化速度。
关键词：彩色图像；图像融合；彩色空间变换；块处理
人类视觉对色彩的敏感度和分辨率远高于灰度，彩色图像融合受到广大学者的关注[1-2]。彩色多聚焦图像融合通过处理聚焦于不同目标的多幅源图像，得到一幅各个目标都清晰的图像，有效提高了信息利用率，增强了目标识别性，广泛应用于数码相机、机器视觉及目标识别等领域。
图像融合分为像素级、特征级和决策级3个层次[3]。自1979年Daliy等人首次融合雷达图像和Landsat-MT图像发展至今，像素级融合形成了两种研究路线：空间域(时间域)融合和多分辨分析(变换域)融合。多分辨率分析因其分解过程与人类视觉多通道特性相契合，可获得更符合视觉特性的融合效果而成为研究热点[4-5]。本文针对灰度融合算法应用于彩色图像存在的问题，提出一种基于HSV空间的彩色图像融合新算法。
1 彩色空间变换
彩色与灰度图像的根本区别是：彩色图像像素点用矢量表示，而灰度图像像素点只用一个标量表示。目前彩色图像处理多数仍基于单色技术，忽略彩色分量间的联系，将灰度处理技术分别作用于各分量。于是选择合适的彩色空间成为彩色图像处理的重要前提。
RGB空间基本囊括了人类视觉能感知的颜色，但是各分量间相关性强,该空间下融合的图像饱和度偏低。HSV是目前最符合人类视觉感知的模型，H、S、V分别代表色调、饱和度和亮度。色调即颜色属性，用角度度量，取值范围是0°~360°；饱和度代表颜色纯净程度，亮度表示图像明亮程度，是对灰度的衡量，它们的范围都是0~1。RGB到HSV的转换表达式为：
Mallat算法的可逆性实现了图像的小波分解与重构。低频分量频率分辨率高而时间分辨率低，高频分量频率分辨率低而时间分辨率高；低频系数反映图像轮廓信息，高频系数反映图像细节，采用不同的融合规则可以提高信息利用率。
2.2 融合规则分析
融合规则是影响融合图像质量的关键，图像信息一般同时来自相邻的几个像素点，因此分块处理可比单像素处理获得更多有效信息。分块太小不能包含像素点的有效信息，太大则会引入干扰信息，经仿真实验可知，图像在5×5分块时获得的信息最大。
低频系数决定了图像整体轮廓，合理地选择可提高图像视觉质量。平均法能有效消除噪声，却牺牲了对比度。BURT P J曾提出平均与选择相结合的算法[6]，但匹配矩阵的计算过程复杂;晁锐提出基于边缘的选择方案[7]，融合图像细节保留更为丰富，计算时却需要3个模板算子参与卷积，运算复杂。为消除噪声，降低运算量，同时尽可能少地牺牲对比度，本文提出基于块的自适应加权规则。将图像I(x,y)的小波系数划分为若干个大小为m×n的子块，CA,k、CB,k和CF,k分别表示源图像A、B和融合图像F的第k个子块的低频系数，SA,k、SB,k表示源图像A、B第k个子块系数绝对值之和。低频系数融合算法为：
(4)得到HSV空间的彩色图像后进行HSV逆变换， 获得各个目标都清晰的RGB空间融合图像,完成彩色多聚焦图像融合。
3 实验结果和评价
3.1 融合结果评价标准选取
一般采用主观与客观相结合的方式对融合图像进行质量评价[8]。主观评价对图像全局效果进行评定，简单快捷，但容易因个体差异而出现评价不一的情况，常作为辅助参考。客观评价是进行定量分析，被作为算法性能比较的参考指标。灰度多聚焦融合图像常用的客观评价指标有平均梯度、方差、空间频率和交叉熵，而本试验对象为彩色图像，对空间频率进行扩展，同时引入了平均饱和度。为方便表述，进行以下定义：M、N表示图像行、列像素数，V(x,y)、H(x,y)、S(x,y)依次表示点(x,y)处的亮度、色调、饱和度，L表示灰度级数，pA(i)、pB(i)、pF(i)表示第i灰度级的概率，亮度分量在计算时已将其调整至0~255。
平均梯度反映图像微小细节部分的反差与纹理变换特征，值越大图像越清晰。计算公式为：
3.2 实验分析
本实验图像配准和融合均在MATLAB R2010b环境下进行，原始图像由佳能EOS 550D单反相机拍摄而得，图像大小为768×512。实验进行了3组仿真：第1组是在RGB空间下采用参考文献[7]中低频系数取平均，高频系数绝对值取大的融合规则；第2组在HSV空间下采用与第1组相同的融合规则；第3组是在HSV空间下采用本文提出的算法。3组仿真均选取bior2.2小波基。经仿真比较发现,前两组在两层分解时融合效果最佳，而第3组在3层分解时融合效果最佳。源图像和3组最佳融合效果图如图1所示。
从图1可以看出：图1(d)质量最差，说明对颜色信息进行多分辨分析会引起色调失真而且还会产生“色斑”；图1(c)、图1(e)模糊区域清晰度均得到提高，但是与源图像清晰部分相比,融合图像却是模糊的。比较3幅图发现图1(e)左边字体更清晰，可见本文所提出的融合算法具有一定的优势。为客观地进行比较，将源图像和3组融合图像的客观评价指标列于表1中。
从表1可以看出，采用新提出算法的第3组实验梯度、方差、空间频率、交叉熵优于另外两组实验，饱和度则介于两者之间,且优于第1组RGB空间融合19.516 5%。
本文简单介绍了HSV颜色空间及小波变换，通过实验验证图像灰度信息和颜色信息分离处理的合理性，提出一种彩色多聚焦图像融合算法：亮度分量进行小波多分辨分析，而色调与饱和度分量则采用欧氏距离法。经MATLAB仿真可知，本文算法有效改善了彩色图像融合中图像色调变化缓慢、对比度及饱和度偏低的问题。
参考文献
[1] NUNEZ J,OTAZU X,FORS O,et al. Multiresolution-based image fusion with additive wavelet decomposition[J]. IEEE Transactions on Geoscience and Remote Sensing, 1999,37(3):1204-1211.
[2] 李光鑫，徐抒岩，董吉洪. 结构优化型颜色传递融合方法[J].电子学报，2011,39(1)：213-218.
[3] 毛士艺，赵巍. 多传感器图像融合技术综述[J]. 北京航空航天大学学报，2002，28(25)：512-518.
[4] 施文娟.基于NSCT的自适应多聚焦图像融合算法[J].微型机与应用，2012，31(19)：45-47.
[5] 高颖，王阿敏，王凤华，等.改进的小波变换算法在图像融合中的应用[J].激光技术，2013,37(5)：690-695.
[6] BURT P J, KOLCZYNSKI R J. Enhanced image capture through fusion[C]. Proceedings of 4th International Conference on Computer Vision, 1993:173-182.
[7] 晁锐， 张科， 李言俊. 一种基于小波变换的图像融合算法[J].电子学报，2004,32(5)：750-753.
[8] 南栋，毕笃彦，查宇飞，等.基于参数估计的无参考型图像质量评价算法[J].电子与信息学报，2013,35(9)：2066-2072.