摘  要： 針對彩色多聚焦融合圖像對比度和飽和度偏低以及色調變化緩慢問題，提出了一種基于HSV空間的圖像融合算法。首先對源圖像進行RGB到HSV空間的變換，分離H、S、V分量；然后對亮度分量進行小波分解，小波尺度系數采用塊自適應加權融合，而高頻系數采用塊絕對值取大的融合規則之后進行小波逆變換得到融合圖像亮度分量；而色調分量與飽和度分量的獲取，則是根據源圖像與融合圖像之間亮度分量的歐氏距離；最后進行HSV逆變換得到融合圖像。實驗結果表明，該算法有效提高了圖像的對比度、飽和度以及色調變化速度。
關鍵詞： 彩色圖像；圖像融合；彩色空間變換；塊處理

     人類視覺對色彩的敏感度和分辨率遠高于灰度，彩色圖像融合受到廣大學者的關注[1-2]。彩色多聚焦圖像融合通過處理聚焦于不同目標的多幅源圖像，得到一幅各個目標都清晰的圖像，有效提高了信息利用率，增強了目標識別性，廣泛應用于數碼相機、機器視覺及目標識別等領域。
    圖像融合分為像素級、特征級和決策級3個層次[3]。自1979年Daliy等人首次融合雷達圖像和Landsat-MT圖像發展至今，像素級融合形成了兩種研究路線：空間域(時間域)融合和多分辨分析(變換域)融合。多分辨率分析因其分解過程與人類視覺多通道特性相契合，可獲得更符合視覺特性的融合效果而成為研究熱點[4-5]。本文針對灰度融合算法應用于彩色圖像存在的問題，提出一種基于HSV空間的彩色圖像融合新算法。
1 彩色空間變換
　彩色與灰度圖像的根本區別是：彩色圖像像素點用矢量表示，而灰度圖像像素點只用一個標量表示。目前彩色圖像處理多數仍基于單色技術，忽略彩色分量間的聯系，將灰度處理技術分別作用于各分量。于是選擇合適的彩色空間成為彩色圖像處理的重要前提。
    RGB空間基本囊括了人類視覺能感知的顏色，但是各分量間相關性強,該空間下融合的圖像飽和度偏低。HSV是目前最符合人類視覺感知的模型，H、S、V分別代表色調、飽和度和亮度。色調即顏色屬性，用角度度量，取值范圍是0°~360°；飽和度代表顏色純凈程度，亮度表示圖像明亮程度，是對灰度的衡量，它們的范圍都是0~1。RGB到HSV的轉換表達式為：

    Mallat算法的可逆性實現了圖像的小波分解與重構。低頻分量頻率分辨率高而時間分辨率低，高頻分量頻率分辨率低而時間分辨率高；低頻系數反映圖像輪廓信息，高頻系數反映圖像細節，采用不同的融合規則可以提高信息利用率。
2.2 融合規則分析
    融合規則是影響融合圖像質量的關鍵，圖像信息一般同時來自相鄰的幾個像素點，因此分塊處理可比單像素處理獲得更多有效信息。分塊太小不能包含像素點的有效信息，太大則會引入干擾信息，經仿真實驗可知，圖像在5×5分塊時獲得的信息最大。
　低頻系數決定了圖像整體輪廓，合理地選擇可提高圖像視覺質量。平均法能有效消除噪聲，卻犧牲了對比度。BURT P J曾提出平均與選擇相結合的算法[6]，但匹配矩陣的計算過程復雜;晁銳提出基于邊緣的選擇方案[7]，融合圖像細節保留更為豐富，計算時卻需要3個模板算子參與卷積，運算復雜。為消除噪聲，降低運算量，同時盡可能少地犧牲對比度，本文提出基于塊的自適應加權規則。將圖像I(x,y)的小波系數劃分為若干個大小為m×n的子塊，CA,k、CB,k和CF,k分別表示源圖像A、B和融合圖像F的第k個子塊的低頻系數，SA,k、SB,k表示源圖像A、B第k個子塊系數絕對值之和。低頻系數融合算法為：

    (4)得到HSV空間的彩色圖像后進行HSV逆變換， 獲得各個目標都清晰的RGB空間融合圖像,完成彩色多聚焦圖像融合。
3 實驗結果和評價
3.1 融合結果評價標準選取
    一般采用主觀與客觀相結合的方式對融合圖像進行質量評價[8]。主觀評價對圖像全局效果進行評定，簡單快捷，但容易因個體差異而出現評價不一的情況，常作為輔助參考。客觀評價是進行定量分析，被作為算法性能比較的參考指標。灰度多聚焦融合圖像常用的客觀評價指標有平均梯度、方差、空間頻率和交叉熵，而本試驗對象為彩色圖像，對空間頻率進行擴展，同時引入了平均飽和度。為方便表述，進行以下定義：M、N表示圖像行、列像素數，V(x,y)、H(x,y)、S(x,y)依次表示點(x,y)處的亮度、色調、飽和度，L表示灰度級數，pA(i)、pB(i)、pF(i)表示第i灰度級的概率，亮度分量在計算時已將其調整至0~255。
    平均梯度反映圖像微小細節部分的反差與紋理變換特征，值越大圖像越清晰。計算公式為：

3.2 實驗分析
    本實驗圖像配準和融合均在MATLAB R2010b環境下進行，原始圖像由佳能EOS 550D單反相機拍攝而得，圖像大小為768×512。實驗進行了3組仿真：第1組是在RGB空間下采用參考文獻[7]中低頻系數取平均，高頻系數絕對值取大的融合規則；第2組在HSV空間下采用與第1組相同的融合規則；第3組是在HSV空間下采用本文提出的算法。3組仿真均選取bior2.2小波基。經仿真比較發現,前兩組在兩層分解時融合效果最佳，而第3組在3層分解時融合效果最佳。源圖像和3組最佳融合效果圖如圖1所示。
    從圖1可以看出：圖1(d)質量最差，說明對顏色信息進行多分辨分析會引起色調失真而且還會產生“色斑”；圖1(c)、圖1(e)模糊區域清晰度均得到提高，但是與源圖像清晰部分相比,融合圖像卻是模糊的。比較3幅圖發現圖1(e)左邊字體更清晰，可見本文所提出的融合算法具有一定的優勢。為客觀地進行比較，將源圖像和3組融合圖像的客觀評價指標列于表1中。

    從表1可以看出，采用新提出算法的第3組實驗梯度、方差、空間頻率、交叉熵優于另外兩組實驗，飽和度則介于兩者之間,且優于第1組RGB空間融合19.516 5%。
    本文簡單介紹了HSV顏色空間及小波變換，通過實驗驗證圖像灰度信息和顏色信息分離處理的合理性，提出一種彩色多聚焦圖像融合算法：亮度分量進行小波多分辨分析，而色調與飽和度分量則采用歐氏距離法。經MATLAB仿真可知，本文算法有效改善了彩色圖像融合中圖像色調變化緩慢、對比度及飽和度偏低的問題。
參考文獻
[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，徐抒巖，董吉洪. 結構優化型顏色傳遞融合方法[J].電子學報，2011,39(1)：213-218.
[3] 毛士藝，趙巍. 多傳感器圖像融合技術綜述[J]. 北京航空航天大學學報，2002，28(25)：512-518.
[4] 施文娟.基于NSCT的自適應多聚焦圖像融合算法[J].微型機與應用，2012，31(19)：45-47.
[5] 高穎，王阿敏，王鳳華，等.改進的小波變換算法在圖像融合中的應用[J].激光技術，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] 晁銳， 張科， 李言俊. 一種基于小波變換的圖像融合算法[J].電子學報，2004,32(5)：750-753.
[8] 南棟，畢篤彥，查宇飛，等.基于參數估計的無參考型圖像質量評價算法[J].電子與信息學報，2013,35(9)：2066-2072.