气象卫星夜间微光云图和红外云图的多种融合方法的研究与比较

描述

气象卫星云图可分为可见光云图和红外云图,前者只能在昼间得到,图像中灰度取决于地表或云顶的反射率;后者在昼间、夜间均可获得,图像灰度取决于地表或云顶的温度(即亮温)。气象卫星云图是以气象卫星之仪器拍摄大气中的云层分布,来寻找天气系统并验证地面天气图绘制的正确性。除此之外还可以用来观测海冰分布、确定海面温度等与中长期天气预报相关的海洋资料。此技术为可在单一影像上显现各种尺度天气现象,对天气分析与预报提供非常有助益的遥测资料。大致而言,卫星云图可分为红外线卫星云图、可见光卫星云图以及色调强化卫星云图。

1  图像融合方法

目前主流的图像融合方法包括多分辨率分析融合方法和多尺度几何分析融合方法。

1.1 金字塔变换融合法

金字塔变换融合法是最早出现的多分辨率分析图像融合方法。金字塔变换是一种冗余的图像多分辨率分析方法,分解各层数据彼此相关。而且,除了梯度金字塔变换以外,其他的金字塔变换无方向性。

1.2 小波变换融合法

小波(Wavelet)变换融合法是另一类多分辨率分析图像融合方法。1995年,LI H等和CHIPMAN L J等首先分别将小波变换引入到图像融合领域中。

1.3 多尺度几何分析融合法

上个世纪末,以RIDGELET、CURVELET、BANDLET、CONTOURLET、非下采样CONTOURLET为代表的多尺度几何分析工具作为一种新的高维函数的最优表示方法相继应运而生。从2005年开始,CHOI等、屈小波等、贾建等相继将MGA引入到图像融合中。多尺度几何分析融合法的基本思路同金字塔变换融合法和小波变换融合法相似,但其算法的计算复杂度较高。

2 图像融合质量评价

本文采用平均互信息和Xydeas-Petrovic指标来评价融合图像的质量。

2.1 平均互信息

源图像A(或B)和融合图像F之间的互信息(Mutual Information)定义如下:

检测

平均互信息越大,说明融合图像从源图像中提取的信息越多,融合的效果也越好。

2.2 Xydeas-Petrovic指标

QAB/F(m,n)的定义为:

检测

QAB/F(m,n)的值域范围为[0,1],值越大表示融合图像保留了越多的源图像边缘信息,融合的效果越好。

3 融合实验结果及分析

进行融合实验的两组源图像分别截取自美国国防气象卫星(DMSP)2008年1月6日~7日的卫星云图,该卫星云图可从Internet上下载。微光云图其成像被分成64个灰度级,红外云图其成像被分成256个灰度级。融合前把微光云图的灰度级也拉伸到256个灰度级,大小均为256×256。

分别用对比度金字塔(CON算法)、拉普拉斯金字塔(LAP算法)、离散小波变换(DWT算法)、非下采样Contourlet变换(NSCT算法)、Bandlet变换(Bandlet算法)五种方法对两组实验云图进行融合,以上算法均采用低频子带系数取平均,高频子带系数模值取大的融合规则,分解级数均为4级。

图1中,(a)、(b)为第一组微光和红外源图像,(c)~(g)分别为应用五种算法后的融合结果。第二组微光和红外源图像和融合结果图略。表1、表2分别给出了两组融合实验的指标比较数据。

检测

检测

由图1(c)~(g)可以看到,五种融合算法都取得了良好的视觉效果。如表1所示,从MI指标看,NSCT算法最高,说明NSCT算法使融合图像从源图像中提取的信息最多;LAP算法次之,Bandlet算法最低。从指标QAB/F看,Bandlet算法最高,说明融合图像中保留了源图像中的边缘信息最多;NSCT算法次之,而CON算法最低。综合两种指标,对第一组源图像,NSCT算法和LAP算法的性能较其他三种算法好。对第二组源图像,如表2所示,从MI指标看,LAP算法最高,NSCT算法次之,Bandlet算法最低。从指标QAB/F看,也是LAP算法最高,NSCT算法次之,Bandlet算法最低。综合两种指标,对第二组源图像,LAP算法和NSCT算法的性能较之其他三种算法融合效果好。综合以上两组图像融合实验的结果,从MI和QAB/F看,LAP融合算法和NSCT融合算法的性能要优于其他三种算法,由于NSCT算法的计算复杂度较高,耗时较LAP算法多,而且图像越大耗时越多,因此NSCT融合算法目前并不适合于实时处理,相对来说,LAP算法速度较快,适合于实时处理。

本文将多分辨率分析融合方法和多尺度几何分析融合方法运用到DMSP气象卫星夜间微光云图和红外云图的融合中,从MI和QAB/F指标看,拉普拉斯金字塔融合算法和非下采样Contourlet融合算法的融合效果较其他方法优越。由于融合图像的视觉效果比任一幅源图像要好,因此,在融合图像基础上便于进行云类的识别和目标的检测等进一步的工作,这也是后续要开展的研究工作。

打开APP阅读更多精彩内容
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉

全部0条评论

快来发表一下你的评论吧 !

×
20
完善资料,
赚取积分