下载掌阅APP，畅读海量书库
立即打开
在工程中应用图像融合算法时，融合性能、实时性、鲁棒性及泛化性是需要重点考虑的几项因素。其中，融合性能可以从信息量和保真度这两方面进行衡量，信息量要求融合算法能保留输入源图像中的有价值信息，并有机地在融合图像中结合，是图像融合算法在工程系统中能否实际发挥作用的根本度量；保真度要求图像融合算法在融合图像视觉效果上表现好，避免因网络处理而可能导致图像失真等问题，确保融合图像的综合质量。良好的实时性是将图像融合算法作为系统中前置图像增强模块的根本保证，对于大部分需要实时处理的应用而言，融合算法的速度和效率至关重要。鲁棒性要求融合算法能应对噪声、光照变化、图像畸变等干扰因素，以确保在复杂环境中依然能够有效地执行图像融合，避免严重的性能退化。泛化性则期望融合算法能够适应不同类型、分辨率和质量的输入图像，以应对多样化的应用场景。在实践中可以发现，这些要素之间存在相互制约和平衡的难题，难以同时实现最优态，往往需要根据具体的应用场景进行权衡。
将目标识别算法应用于实际工程中时，识别准确性、实时性、鲁棒性及泛化性同样是工程人员需要衡量并有所取舍的几项因素。对于目标识别系统而言，识别准确性是优先度最高的设计要求，目标识别算法应能够准确地将图像分为正确的类别，以确保高质量的分类结果。
图像融合算法的常见评估指标如下。
（1）平均梯度（AG）。平均梯度常被用来描述图像中灰度或颜色的变化强度，平均梯度越大，融合图像的边缘细节越清晰。
式中， i 和 j 为像素的坐标； x （ i ， j ） 为对应的像素值； M 和 N 分别表示图像 x 的高度和宽度。
（2）信息熵（EN）。被用于衡量图像的信息含量，其值越大代表融合图像信息量越多。
式中， L 为灰度级； p l 为灰度级 l 的归一化直方图。
（3）空间频率（SF）。被用于反映图像灰度的变化率，越大代表融合图像越清晰。
式中， i 和 j 为像素的坐标； x （ i ， j ） 为对应的像素值； M 和 N 分别表示图像 x 的高度和宽度。
（4）均方差（MSD）。被用于衡量融合图像的质量，越大的均方差一般代表更好的图像清晰度。
式中， i 和 j 为像素的坐标； x （ i ， j ） 为对应的像素值； M 和 N 分别表示图像 x 的高度和宽度。
（5）灰度差（GLD）。融合图像中的梯度信息量。GLD越大，融合结果中包含的纹理信息就越多。
式中， M 和 N 分别表示融合图像 I f 的高度和宽度。
（6）互信息（MI）。互信息可以用来衡量两幅图像包含信息之间的相似度。通过分别计算图像融合结果与输入红外图像之间的互信息、图像融合结果与输入可见光图像之间的互信息，可以很好地体现融合结果中信息与源图像对中信息之间的相似度。互信息的数值越大，说明融合结果中融合了更多的源图像信息。
式中， I F 为图像融合结果； I I 为输入的红外图像； I V 为输入的可见光图像。
MI（ X ， Y ）的计算公式为
式中， P X （ x ）为图像 X 的灰度分布直方图； P Y （ y ）为图像 Y 的灰度分布直方图； P X ， Y （ x ， y ）为图像 X 与 Y 的联合灰度分布直方图。
（7）视觉信息保真度（VIFF）。视觉信息保真度可以反映融合结果中有多少对于人类视觉有效的信息，该指标的数值越大，说明融合结果与源图像之间的信息连续性越好，融合图像的失真程度越小。
其计算过程可以大致分为四个部分。第一，将源图像与融合结果分为 B 个区域，并分成 k 个波段进行滤波；第二，评估每个区块间的视觉信息失真程度；第三，计算每个波段的VIFF；第四，通过对每个波段的VIFF进行加权得到最终的VIFF。图像融合视觉信息保真度的计算公式为
式中， I F 为图像融合结果； I I 为输入的红外图像； I V 为输入的可见光图像； k 为波段索引； b 为区域索引； w k 为第 k 个波段的权重。VID k ， b 与VIND k ， b 分别代表第 b 个区域的第 k 个波段的失真视觉信息与无失真视觉信息度量。
目标识别算法的常见评估指标如下。
（1）准确率（Acc.）。它是指分类模型正确预测的样本数占总样本数的比例。
式中，TP为被预测为正样本的正真值样本的数量；FN为被预测为负样本的正真值样本的数量；TN为被预测为负样本的负真值样本的数量；FP为被预测为正样本的负真值样本的数量。
（2）精率（Pre.）。它是指在模型预测为正例的样本中，实际为正例的比例。它衡量的是模型在正例预测中的准确性。
式中， C 为总的类别数。
（3）召回率（Rec.）。它是指在所有实际正例中，模型成功预测为正例的比例。
