不同光照条件下农作物图像Contourlet域融合方法

摘要：

为了更好地实现不同光照条件下的农作物图像融合，在Contourlet变换（contourlet transform, CT）的基础上采用了适合农作物图像的融合规则进行了融合处理。首先，采用 Contourlet 变换对源图像进行多尺度、多方向分解，得到低频子带系数和带通方向子带系数。然后，针对低频子带系数的选择，采用了一种改进的线性加权融合方法，以期减小噪声对融合结果的影响；针对带通方向子带系数的选择，结合人眼视觉特性，采用了一种基于梯度最大化规则的系数选择方案，得到待融合图像的系数。最后，经过 Contourlet 逆变换得到融合图像。与小波变换方法（wavelet transform, WT）进行了融合结果的比较，结果表明，与WT方法相比，该文方法在互信息量（mutual information, MI）、空间频率（spatial frequency, SF）、均方差（mean square error, MSE）、信息熵（entropy， Ent）、相关系数（correlation coefficient, CC）、平均梯度（average gradient, G’）和峰值信噪比（peak signal to noise ratio, PSNR）指标上均有了较大提升，表明利用该方法可以取得优于WT的融合效果；在此基础上，利用CT常见融合规则与文中融合规则进行了比较，同样表明 CT 方法可以有效提高图像融合的效果。研究表明，将文中所采用的融合规则应用于不同光照条件下的农作物图像融合是有效的、可行的。该研究可为变光照条件下的作物图像融合技术提供参考。

关键词：农作物、图像处理、图像融合、Contourlet变换、融合规则

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家高技术研究发展计划863计划资助项目2013AA10230402；陕西省自然科学基金资助2014JQ3094；中央高校基本科研业务经费资助QN2011031。

在线出版日期：2014-06-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：173-179