氣象衛(wèi)星夜間微光云圖和紅外云圖的多種融合方法的研究與比較

氣象衛(wèi)星云圖可分為可見光云圖和紅外云圖，前者只能在晝間得到，圖像中灰度取決于地表或云頂?shù)姆瓷渎剩缓笳咴跁冮g、夜間均可獲得，圖像灰度取決于地表或云頂?shù)臏囟龋戳翜兀?。氣象衛(wèi)星云圖是以氣象衛(wèi)星之儀器拍攝大氣中的云層分布，來(lái)尋找天氣系統(tǒng)并驗(yàn)證地面天氣圖繪制的正確性。除此之外還可以用來(lái)觀測(cè)海冰分布、確定海面溫度等與中長(zhǎng)期天氣預(yù)報(bào)相關(guān)的海洋資料。此技術(shù)為可在單一影像上顯現(xiàn)各種尺度天氣現(xiàn)象，對(duì)天氣分析與預(yù)報(bào)提供非常有助益的遙測(cè)資料。大致而言，衛(wèi)星云圖可分為紅外線衛(wèi)星云圖、可見光衛(wèi)星云圖以及色調(diào)強(qiáng)化衛(wèi)星云圖。

1 圖像融合方法

目前主流的圖像融合方法包括多分辨率分析融合方法和多尺度幾何分析融合方法。

1.1 金字塔變換融合法

金字塔變換融合法是最早出現(xiàn)的多分辨率分析圖像融合方法。金字塔變換是一種冗余的圖像多分辨率分析方法，分解各層數(shù)據(jù)彼此相關(guān)。而且，除了梯度金字塔變換以外，其他的金字塔變換無(wú)方向性。

1.2 小波變換融合法

小波（Wavelet）變換融合法是另一類多分辨率分析圖像融合方法。1995年，LI H等和CHIPMAN L J等首先分別將小波變換引入到圖像融合領(lǐng)域中。

1.3 多尺度幾何分析融合法

上個(gè)世紀(jì)末，以RIDGELET、CURVELET、BANDLET、CONTOURLET、非下采樣CONTOURLET為代表的多尺度幾何分析工具作為一種新的高維函數(shù)的最優(yōu)表示方法相繼應(yīng)運(yùn)而生。從2005年開始，CHOI等、屈小波等、賈建等相繼將MGA引入到圖像融合中。多尺度幾何分析融合法的基本思路同金字塔變換融合法和小波變換融合法相似，但其算法的計(jì)算復(fù)雜度較高。

2 圖像融合質(zhì)量評(píng)價(jià)

本文采用平均互信息和Xydeas-Petrovic指標(biāo)來(lái)評(píng)價(jià)融合圖像的質(zhì)量。

2.1 平均互信息

源圖像A（或B）和融合圖像F之間的互信息（Mutual Information）定義如下：

平均互信息越大，說(shuō)明融合圖像從源圖像中提取的信息越多，融合的效果也越好。

2.2 Xydeas-Petrovic指標(biāo)

QAB/F（m,n）的定義為：

QAB/F（m,n）的值域范圍為[0,1]，值越大表示融合圖像保留了越多的源圖像邊緣信息，融合的效果越好。

3 融合實(shí)驗(yàn)結(jié)果及分析

進(jìn)行融合實(shí)驗(yàn)的兩組源圖像分別截取自美國(guó)國(guó)防氣象衛(wèi)星（DMSP）2008年1月6日～7日的衛(wèi)星云圖，該衛(wèi)星云圖可從Internet上下載。微光云圖其成像被分成64個(gè)灰度級(jí)，紅外云圖其成像被分成256個(gè)灰度級(jí)。融合前把微光云圖的灰度級(jí)也拉伸到256個(gè)灰度級(jí)，大小均為256×256。

分別用對(duì)比度金字塔（CON算法）、拉普拉斯金字塔（LAP算法）、離散小波變換（DWT算法）、非下采樣Contourlet變換（NSCT算法）、Bandlet變換（Bandlet算法）五種方法對(duì)兩組實(shí)驗(yàn)云圖進(jìn)行融合，以上算法均采用低頻子帶系數(shù)取平均，高頻子帶系數(shù)模值取大的融合規(guī)則，分解級(jí)數(shù)均為4級(jí)。

圖1中，（a）、（b）為第一組微光和紅外源圖像，（c）～（g）分別為應(yīng)用五種算法后的融合結(jié)果。第二組微光和紅外源圖像和融合結(jié)果圖略。表1、表2分別給出了兩組融合實(shí)驗(yàn)的指標(biāo)比較數(shù)據(jù)。

由圖1（c）～（g）可以看到，五種融合算法都取得了良好的視覺效果。如表1所示，從MI指標(biāo)看，NSCT算法最高，說(shuō)明NSCT算法使融合圖像從源圖像中提取的信息最多；LAP算法次之，Bandlet算法最低。從指標(biāo)QAB/F看，Bandlet算法最高，說(shuō)明融合圖像中保留了源圖像中的邊緣信息最多；NSCT算法次之，而CON算法最低。綜合兩種指標(biāo)，對(duì)第一組源圖像，NSCT算法和LAP算法的性能較其他三種算法好。對(duì)第二組源圖像，如表2所示，從MI指標(biāo)看，LAP算法最高，NSCT算法次之，Bandlet算法最低。從指標(biāo)QAB/F看，也是LAP算法最高，NSCT算法次之，Bandlet算法最低。綜合兩種指標(biāo)，對(duì)第二組源圖像，LAP算法和NSCT算法的性能較之其他三種算法融合效果好。綜合以上兩組圖像融合實(shí)驗(yàn)的結(jié)果，從MI和QAB/F看，LAP融合算法和NSCT融合算法的性能要優(yōu)于其他三種算法，由于NSCT算法的計(jì)算復(fù)雜度較高，耗時(shí)較LAP算法多，而且圖像越大耗時(shí)越多，因此NSCT融合算法目前并不適合于實(shí)時(shí)處理，相對(duì)來(lái)說(shuō)，LAP算法速度較快，適合于實(shí)時(shí)處理。

本文將多分辨率分析融合方法和多尺度幾何分析融合方法運(yùn)用到DMSP氣象衛(wèi)星夜間微光云圖和紅外云圖的融合中，從MI和QAB/F指標(biāo)看，拉普拉斯金字塔融合算法和非下采樣Contourlet融合算法的融合效果較其他方法優(yōu)越。由于融合圖像的視覺效果比任一幅源圖像要好，因此，在融合圖像基礎(chǔ)上便于進(jìn)行云類的識(shí)別和目標(biāo)的檢測(cè)等進(jìn)一步的工作，這也是后續(xù)要開展的研究工作。