基于小波變換和圖像融合的智能照明控制系統(tǒng)研究

3. 2 小波變換融合

Mallat 在Burt 和Adelson 的塔形圖像分解和重構(gòu)算法的啟發(fā)下，提出了小波變換的Mallat 快速算法，按照二維Mallat 算法，將每一副經(jīng)過預(yù)處理的CCD圖像進(jìn)行二維分解。

本文CCD 攝影機(jī)采集的圖像大小為351 × 260，設(shè)分解層數(shù)為3，在尺度k-1 上按如下的Mallat 分解公式進(jìn)行分解:

式中，

分別表示預(yù)處理后的CCD圖像在351 × 260 分辨率下的低頻分量，水平高頻分量，垂直高頻分量和對(duì)角高頻分量。其中低頻分量反映了CCD 圖像的近似和平均特征，集中了圖像的大部分能量信息。如圖4 所示，為CCD 圖像的小波分解示意圖。

在兩幅CCD 圖像的小波變換域內(nèi)，分別對(duì)水平，垂直與對(duì)角分量進(jìn)行融合。在各尺度j ( j = 1，2，3)上將兩幅CCD 圖像的高頻系數(shù)進(jìn)行比較，把對(duì)應(yīng)位置上絕對(duì)值較大的系數(shù)作為重要小波系數(shù)保留下來(lái)，即其中

分別表示兩幅CCD 圖像在各尺度分量上的小波系數(shù)。

對(duì)兩幅CCD 圖像經(jīng)小波變換之后的逼近系數(shù)C1J和C2J進(jìn)行處理，由于在智能照明系統(tǒng)采集圖像時(shí)，受各方面因素，使得CCD 攝影機(jī)采集的圖像在局部出現(xiàn)模糊的現(xiàn)象，圖像模糊表示其細(xì)節(jié)信息( 或高頻信息) 丟失較多，相比之下，其整體信息( 或低頻信息) 保持較好，因此兩幅CCD 圖像經(jīng)小波分解后其逼近系數(shù)之間的差異要遠(yuǎn)小于小波系數(shù)之間的差異，故融合之后的逼近系數(shù)可由確定。

利用以上得到的全部小波系數(shù)以及可以得到由智能照明系統(tǒng)采集的多幅CCD 中的逼近系數(shù)進(jìn)行二維小波反變換，有重構(gòu)式維小波反變換，有重構(gòu)式圖像融合圖像。其融合過程如圖5所示。

3. 3 融合結(jié)果評(píng)價(jià)指標(biāo)

CCD 圖像融合的效果對(duì)智能照明系統(tǒng)的后續(xù)工作尤為重要，本文提出的采用小波變化法對(duì)采集的圖像進(jìn)行融合，其融合效果可從灰度平均值、標(biāo)準(zhǔn)方差以及信息熵三個(gè)指標(biāo)進(jìn)行評(píng)價(jià)。

3. 3. 1 灰度平均值

融合之后的圖像大小仍為351 × 260，其灰度平均值為:

其中pi是灰度值為i 的像素的數(shù)目和整個(gè)像素?cái)?shù)目的比值。信息熵代表了CCD 圖像含有信息的豐富程度。如果pi對(duì)于任意灰度水平都是常量，那么信息熵就可以達(dá)到最大值。如果某種方法得到的融合圖像，其熵值較大，則說明此方法較優(yōu); 否則，說明該方法較差。

3. 4 圖像灰度平均值及其穩(wěn)定性

將CCD 攝影機(jī)采集的圖像經(jīng)過小波融合之后，接著就要提取融合圖像的灰度平均值，以便智能照明系統(tǒng)調(diào)用。若記mean ( A) 為融合后CCD 圖像的灰度平均值，則有:

如果將融合后的CCD 圖像劃分為四個(gè)區(qū)域，如圖6 所示，其照明范圍內(nèi)的每一個(gè)區(qū)域則變?yōu)槿鐖D7 所示的4 個(gè)小區(qū)域:

4 個(gè)區(qū)域大小均為175 × 130，其灰度平均值分別為

對(duì)圖像的一些操作，如調(diào)整亮度、重采樣、顏抖動(dòng)、平滑、加噪聲、壓縮等，均可歸結(jié)為對(duì)圖像一種擾動(dòng)，即穩(wěn)定性。設(shè)A' 為圖像A 受到擾動(dòng)E 后的圖，即A' = A + E，則根據(jù)平均值不等式，有

由此即可判斷圖像融合后的穩(wěn)定性。

3. 5 與預(yù)設(shè)值對(duì)比

將融合處理后的圖像灰度平均值與預(yù)設(shè)值進(jìn)行對(duì)比，如果平均值在預(yù)設(shè)值的誤差范圍之內(nèi)，則智能照明系統(tǒng)不做調(diào)整; 如果平均值超出預(yù)設(shè)值誤差范圍，則智能照明系統(tǒng)做出相應(yīng)調(diào)整，使之調(diào)試在相應(yīng)模式的照度誤差范圍之內(nèi)。

4 實(shí)驗(yàn)數(shù)據(jù)分析

本文對(duì)上述的兩幅室內(nèi)CCD 圖像進(jìn)行了圖像融合仿真，并且提取了智能照明系統(tǒng)所用到的融合圖像的有關(guān)信息，采用本文提出的小波變換融合算法，其實(shí)驗(yàn)融合圖像效果對(duì)比如圖8，圖9，圖10 所示。

本仿真實(shí)驗(yàn)將本文提出的融合算法與其他三種不同的融合算法進(jìn)行了對(duì)比，其數(shù)據(jù)比較如表1 所示:

表1 中數(shù)據(jù)可以看出，本文提出的融合算法得到的融合圖像更清晰，其他三種融合算法得到的信息熵值都比本文提出的融合算法得到的信息熵值低，小波變換融合算法可以得到更豐富的時(shí)域和頻域信息，有效的保留了照明區(qū)域的細(xì)節(jié)信息，為智能照明系統(tǒng)提供更全面的數(shù)據(jù)信息。

5 結(jié)語(yǔ)

本文提出采用動(dòng)靜監(jiān)測(cè)和圖像融合技術(shù)對(duì)智能照明系統(tǒng)進(jìn)行照明控制，圖像融合主要采用小波變換算法對(duì)采集的圖像進(jìn)行處理，實(shí)驗(yàn)表明這種融合算法比其他融合算法的融合效果要好，保留了必要信息，抑制了不需要的信息，為智能照明系統(tǒng)的后續(xù)工作提供了良好的圖像信息。系統(tǒng)結(jié)合圖像融合技術(shù)，能夠根據(jù)現(xiàn)場(chǎng)實(shí)際情況、人員變動(dòng)以及天氣因素( 陰雨霧雪) 等的變化，實(shí)時(shí)得進(jìn)行照明器的調(diào)節(jié)，在保證足夠照度的條件下，也相應(yīng)降低了智能建筑照明系統(tǒng)的能耗。