动态融合模型范文（精选4篇）

动态融合模型 第1篇

关键词：集群,动态分区,可靠性,资源利用率,性能

0 引 言

当今社会是信息化的时代,计算机系统已经深入到各行各业,计算机技术的普及和发展给人们的日常生活提供了很多便利。随着人们对计算机系统的依赖程度越来越高,就必须充分考虑系统的可靠性与处理性能,以保障服务水平。而另一方面,持续上升的投资成本,以及备份设备的利用率,也是需要认真考虑的问题。

为保证业务的高可靠性,传统的集群技术是最常采用的系统架构。集群技术是将若干台主机服务器组成一个服务器群集,统一向客户提供透明的虚拟服务,以防止单台服务器故障引起的服务中断。在系统正常运行时,服务器群集中的所有服务器可共同分担工作负载,并且相互备援;故障发生时,工作正常的服务器将自动接管故障机的工作,无须人工干预,这样故障的出现与恢复对客户端应用来说都是透明不可见的,保证了业务的连续运行。

一般情况下,集群方案有三种模式:Active-Standby(主备/热备),Active-Active(对等/互为备份)以及Load-Banalce(负载均衡)。但无论采用哪种模式,要么接管故障机后的服务器需要面向更多的客户端提供服务,无法保障服务水平;要么事先为各服务器预留资源以应对接管后更大的负载,或者单独配置备用服务器,但这就在正常情况下造成了资源的浪费。也就是说,服务器的资源利用率与关键服务的处理性能总是不能两全。

本文结合了传统的集群技术与最新的服务器动态分区技术,在两者之间找到一个平衡点,提出了一个性价比较高的解决方案。

1 分区与动态分区

随着各行业信息化的发展,用户在服务器等硬件基础设施上的投资不断加大,设备数量也急剧增多。但普遍的问题是,数量众多而且各自独立的硬件设备难以实现资源快速灵活的调整和共享,从而不可避免地会出现部分设备利用率不高、投资浪费的现象。

服务器分区技术可将服务器的CPU、内存、I/O等资源合理地进行分区和调配,不同分区内可以执行不同的操作系统或同一操作系统的不同版本,最大限度地挖掘了服务器的性能,一台服务器甚至可以当作几十台使用,提高了硬件利用率。并且,在任何某个分区发生故障时,都不会影响其他分区的运行,不同分区的应用之间保持独立性。系统分区技术是在高性能服务器中应用非常普遍并是非常重要的技术之一,各服务器厂商都有不同的分区技术,但归根到底主要分为两类物理分区PPAR(Physical Partition)和逻辑分区LPAR(Logical Partition)。

无论是物理分区还是逻辑分区,都是将一个物理的服务器划分成若干个虚拟的服务器,每个虚拟的服务器运行自己独立的操作系统,有自己独享的处理器、内存和I/O资源。只不过物理分区的最小单元必须是相对独立的硬件资源组成一个的物理处理单元,而逻辑分区的最小单元却可以只是单一板卡硬件资源中的一部分,因而划分的粒度更小、也更灵活。逻辑分区技术又可分为静态逻辑分区(SLPAR)和动态逻辑分区(DLPAR)两种方式,动态逻辑分区允许在不中断应用操作的情况下,增加或减少分区占用的资源。

分区技术从大型机平台带到了Unix小型机平台上,从而极大地降低了该技术的价格和成本,而逻辑分区技术又大大提高了小型机使用的灵活性和工作负载。更深层次地,在逻辑分区技术的基础之上,通过动态逻辑分区的功能,使得当用户将系统资源在逻辑分区中重新分配时,不需要将系统重新引导,也不影响逻辑分区中当前应用的运行,进一步提高了系统的灵活性和整体资源利用率。

动态逻辑分区技术并不会影响逻辑分区的安全性。对于在某一逻辑分区中的操作系统,其他逻辑分区中的资源甚至系统空闲池中的资源都是不可见的。此逻辑分区中的操作系统只能看见一些虚拟资源连接,当硬件管理控制台向此逻辑分区添加资源时,硬件管理控制台会向此逻辑分区发一条消息,要求操作系统去激活相应的虚拟资源连接。如果硬件管理控制台没有首先向此逻辑分区添加资源,而操作系统试图去激活虚拟资源连接时,操作系统会受到一个错误信息,显示此资源不存在。

对于服务器资源的分配和工作负载经常变化的应用,动态逻辑分区可带来更大灵活性,以下是一些显而易见的例子:

• 当生产系统的CPU压力很大时,将CPU从测试系统逻辑分区移动到生产系统逻辑分区,当压力减小了以后,再将CPU移回测试系统逻辑分区。

• 为正在进行大量内存页换进/换出操作的逻辑分区添加内存。

• 将不常用的外设在逻辑分区间移动,如安装软件用的CD-ROM和备份用的磁带机。

• 从已有的逻辑分区释放一些系统资源,建立一个新的分区。

从这些例子可以看出动态逻辑分区技术给用户带来了更大的灵活性,提高了设备的利用率,使得用户的投资更具价值。

2 动态集群平台

针对传统集群技术中的一些问题,我们独创性地将其与最新发展的主机动态分区技术相融合,创造性地提出了动态集群平台的构思。

这种架构首先将业务分为核心关键业务与非核心业务。以一台独立的服务器作为核心关键业务的生产机,而另一台服务器则通过分区技术划分为两个“虚拟子服务器”,分别作为非核心业务的生产机(假设为分区一)与核心关键业务的备份机(假设为分区二)。

如图1所示,正常情况下,分区一占用了大部分资源(CPU与内存等),为非核心业务提供高效服务;而分区二只占用最少的资源,与核心关键业务的生产机组成热备集群系统,监视着生产机的运行状态,随时待命。

而如图2所示,一旦核心关键业务的生产机出现故障,通过预先配置的切换脚本自动进行分区资源的动态调整,将原分区一的大部分资源(包括CPU、内存等)划拨给原来的小分区二。

最后如图3所示,再由分区二接管核心关键业务,确保核心关键业务的处理性能和业务连续性。而分区一在资源配置下降的状态下,通过限制服务范围或降低服务等级,仍可处理部分非核心的业务。

图4描述了动态集群平台建立过程的简要流程图。

图5则描述了切换过程的简要流程。

通过传统集群的切换技术,备份机(分区二)可以顺利获取数据资源与网络服务资源,在本机上重新启动核心关键业务,以保证继续对外服务。另一方面,通过在切换脚本中整合动态逻辑分区的系统资源在线调整功能,备份机(分区二)又可以自动获得足够的计算资源,来确保处理性能,使得即使承担与生产主机相同的业务负载压力,核心关键业务的服务水平也不会下降。

这样,平时核心关键业务与非核心业务使用了主机的绝大部分资源,几乎未造成资源浪费。而一旦核心关键业务的生产机出现硬件故障,又可以以一台资源配置几乎一致的备份机来接管,充分保障了核心关键业务的服务水平和业务连续性。

3 应用案例

上海医保系统的核心关键业务,就是724小时运行的医疗费用实时结算系统。由于行业自身的特殊性,这一核心关键业务直接关系到广大群众的“治病救命”,必须连续不停机地提供服务,对系统的可靠性与可用性要求极高。一旦中心出现系统故障导致业务中断,将对全市的正常医疗业务操作带来严重后果,直接影响到全市800万参保人的就医、购药,可谓“性命交关”,社会影响巨大。而且,作为上海这一特大型城市中的医疗保障关键系统,高峰业务量甚至超过了银行、证券所的交易业务,对可靠性、性能的要求也是有过之而无不及。

另一方面,上海医保系统正式投入运行多年来,已采集积累了上TB的医保管理数据和医疗服务数据,而且随着时间的推移、业务的增加、参保人群的扩大,这些重要的数据仍在高速增长中。目前,平均每天发生的实时费用结算约为40万次。为了加强医保费用的审核管理,提高医保综合分析能力,更好地为广大参保人员服务,为政府部门提供决策依据,通过三期工程的建设,将核心交易业务以外的个人帐户管理系统、事务管理系统、医保服务点管理系统、统计查询系统、审核结算管理系统、监督审核管理系统、保障卡交换系统、前置机明细上传处理系统等其他10多个业务系统都归并至一个统一、集中的大业务平台上,并建立数据中心,实现数据的共享,在此基础上再通过数据抽取与挖掘建立数据仓库,提供决策支持服务。由于数据量大,业务繁多,这就对大集中平台的数据库服务器提出了很高的性能要求;当然,与核心交易业务相比,这些业务的实时性要求相对就没有如此之高了。

根据以上的业务需求,按照传统模式,至少要配置三台高性能的服务器。如图6所示,两台作为核心交易业务的生产机与备份机,组成双机热备集群,保证核心实时费用结算业务的可靠性与处理性能。另外一台服务器则作为大集中平台的数据库服务器,专门处理非核心业务。

现在,基于我们提出的动态集群平台构想,只需要配置两台高性能的服务器。如图7所示,其中一台仍然作为核心交易业务的生产机,而另一台则通过分区技术划分为两个“虚拟服务器”:主体部分构成分区一,作为大集中平台的数据库服务器,平时占用了该主机的大部分(CPU与内存)资源,为非核心业务提供海量数据的高效访问服务;该主机的剩余部分构成分区二,作为核心交易业务的备份机,平时只占用最少的资源,与核心业务生产机组成热备集群系统。而利用分区功能的动态分区技术,一旦核心交易业务的生产机出现故障,我们将降低实时性要求相对不高的非核心业务的服务等级,对第二台高性能服务器进行分区动态调整,将原分区一的大部分资源(包括CPU、内存等)划给原来的小分区二,再由分区二接管核心实时费用结算服务,确保核心交易业务的处理性能和连续性。

这样,在充分保证核心交易业务不受影响、非核心业务较少影响的前提下,节约了一台高性能服务器(约为500万人民币)的投资,优化了设备的分布组合,大大提高了设备的利用率。

4 结 语

综上所述,通过建立动态集群平台,在服务水平与资源利用率两方面之间取得了良好的平衡。该项技术目前正在申请专利,并已成功应用于上海医保的三期工程中,同时在宁波、温州的社会保障工程中也得到了进一步推广,取得了良好的经济效益。

参考文献

[1]卢燕宁,耿国华.基于Cluster的多服务器容错与切换技术的研究[J].微机发展,2001,11(6):28-30.

[2]张小芳,胡正国,郑继川,等.高可用性集群技术的研究和应用[J].计算机工程,2003,29(4):26-27.

[3]刘伯江,张明.服务器分区技术浅述[J].邮电设计技术,2005(9):12.

[4]IBM.浅谈IBM UNIX服务器的逻辑分区[EB/OL].http://www-900.ibm.com/cn/support/faqhtmlfaq/2611052000000.htm.

[5]McKinzie D.IBM p5服务器逻辑分区[OL].(2007-2-12).ht-tp://www.ibm.com/developerworks/cn/aix/library/au-aixpartition/.

动态交通分配模型设计 第2篇

路段流出函数是动态交通分配理论中的关键之处。在动态分配中，出行者路径选择原则确定后，其路段流入率自然确定。而对于流出函数，有多种模型。无论哪种模型，基本原则是路段流出函数的建立应该确保车辆按照所给出的路段走行时间走完该路段。试想一辆车在某时刻进入某路段，那么在加上该路段走行时间的时刻应该离开该路段，如果路段流出模型没有达到这一要求，将陷入自相矛盾的境地[2]。另外在建立路段流出函数模型时，还要考虑到Carey（1992）提出的先进先出原则。建立模型时我们假设不论其出行终点如何，同时进入路段的车辆均以相同的速度行驶，花费相同的时间，这实质就是先进先出规则的具体表现形式。在分配算法的设计中可以使用车辆在每一时间步长中移动的距离作为约束以保证先进先出原则得到满足。

2.2 路段阻抗特性模型

在动态分配情形下，提高阻抗函数的预测精度是一个基本要求。在建立阻抗特性模型时，要注意到动态交通分配中采用的状态变量不是静态交通分配中的交通量，而是某时刻路段上的交通负荷，即这一时刻路段上存在的车辆数。因为在动态情形下，用交通量无法描述路段的动态交通特征，交通量是―个时间观测量，其值是在某一点观测到的，适用于静态描述；而交通负荷是指某一时刻―个路段上存在的车辆数，它是―个空间观测量，适用于动态描述[3]。

★ 企业文化建设规划

★ 企业规划发展计划书

★ 企业面试未来规划范文

★ 投资决策的方法与流程

★ 数字高程模型DEM的更新在土地利用动态监测的应用

★ 个人动态消息稿范文

★ 平安夜动态简短祝福语

★ 建立垃圾焚烧发电企业成本核算模型的探索

★ 紧急撤离模型

动态融合模型 第3篇

剩余收益定价模型是西方会计学中的一个经典计价模型。它能够将公司财务报告中的数据和企业的股票价格联系起来, 从而成为沟通企业的各种财务报表信息与企业价值的桥梁。它也是将企业的经济附加值与企业会计信息相联系的一个实例。金融资产计价模型从基本的资本资产定价模型开始, 发展到期权定价模型, 进而发展到其他动态计价模型以及衍生动态计价模型, 这些都是计量经济学发展中具有里程碑意义的成果。它们成为现代金融市场中各类金融机构的套利工具并得到广泛应用。本文拟对以上两类模型进行简单介绍。

二、剩余收益估价模型

1938年, 普瑞里齐 (Preinreich) 提出剩余收益定价模型, 它是直接基于股利定价模型而建立的。由于当时的证券市场还不能提供足够数据对其正确性进行检验, 而且该模型也没有明确的优于股利折现模型 (Dividend Discount Model, DDM) 的理论基础, 所以它没有被当时的会计界所普遍接受。

奥尔森 (Ohlson) 1995年在《当代会计研究》上发表文章《Earnings, Book Values, and Dividends in Equity Valuation》, 他率先将股利折现模型用剩余收益表达并对之进行了系统论述, 最终确立了具有经典意义的剩余收益估价模型 (Residual Income Valuation Model, 剩余收益定价模型) , 也称奥尔森模型 (Ohlson Model) 。剩余收益的含义是本期综合收益减去资本的资金成本, 它是企业创造的高于市场平均回报的收益, 实际上它就是企业的经济附加值 (Economic Value Added, EVA) 。

剩余收益估价模型的前提由以下两个基本假设构成。

第一, 企业价值 (股票价格) 等于企业未来期间的预期股利的现值, 即股利贴现模型:

其中, Vt为企业t期的股票价值, dt为t期支付的股利, r为经过风险调整的回报率 (资本成本率) , 它是一种机会成本, 并假定不变。

第二, 企业的会计处理满足净盈余会计关系 (Clean Surplus R elation, CSR) :

其中, Bt为t期末净权益的账面价值, Bt-1为t-1期末净权益的账面价值, Xt为t期的盈利, dt为t期的股利。

经过一系列推导, 可以得出奥尔森模型的基本形式:

其中, xat+τ是剩余收益, 它被定义为该期间的会计收益与该期间的资本成本 (r×Bt+τ-1) 之差;即xat+τ=xt+τ-r×r×Bt+τ-1。其实也就是EVA。

奥尔森模型的重要意义在于, 它揭示了公司权益的市场价值即公司价值, 可表达为权益的当期账面价值 (净资产账面价值) 和未来剩余收益的现值之和, 明确了公司股票价值与描述会计收益的变量之间的联系。近十多年来, 关于剩余收益估价模型的文献频繁地出现在一些著名国外会计学术期刊中, 不少美国投资公司也利用基于剩余收益估价模型的指令系统进行有效的投资决策。

金和托马斯 (Kin and Thomas, 2000) 指出, 剩余收益估价的最大贡献在于它将企业价值来源建立在价值创造而不是价值分配的理论上, 这与米勒和莫迪利安尼 (Miller and Modigliani, 1961) 的股利无关论完全一致。佩因曼 (Penman, 1997) 使用该模型研究了未来股利与盈利的可替代现象 (股利无关论) , 并提供了可信的证据。原先的股利折现模型仅使用净现金流量公式来估算企业价值大小, 而不使用财务报表上的数据, 这使该方法失去了实用性 (Ohlson奥尔森, 1995;Lee李, 1996) 。伯纳德 (Bernard, 1995) 认为, 剩余收益定价模型是近年来资本市场研究的最重要的发展, 提供了研究财务报表数据与企业价值的基础, 同时提供了这一领域缺乏已久的模型结构。这项研究价值可被评价为实证研究的一次革命, 它代表了资本市场研究应遵循但未遵循的基本方向。一些实证分析者提议, 以剩余收益定价模型取代现金流折现模型对企业权益价值进行评估。也有实证结果表明, 剩余收益定价模型远优于现金流折现模型和股利折现模型。

从国外的研究趋势看, 西方资本市场的实证研究已有30多年历史, 现代财务分析重心已转向研究资本市场的公司价值。剩余收益定价模型为对企业权益估价提供了很好的理论框架, 它不但论证了应计制会计 (会计数据) 的重要性, 而且表明了企业价值与会计变量之间的联系。在目前西方会计研究中, 剩余收益估价模型被广泛应用于各种研究领域, 如剩余收益定价模型与股利或现金流模型的比较研究、利用剩余收益定价模型检验股票收益与会计盈余之间关系的研究、应用剩余收益定价模型预测未来资本成本的研究、将剩余收益定价模型应用于投资决策的研究、在管理会计业绩评价中的应用研究等。在我国, 企业权益估价的实证研究还比较少见。

三、动态金融资产计价模型

1969—1979年, 可以说是动态资产定价理论的“黄金时期”, 其中罗伯特·默顿 (Robert Merton) 首创了连续时间金融模型, 并对最佳证券组合消费政策进行动态规划和求解。他的另一贡献是对布莱克—斯科尔斯 (Black-Scholes) 于1973年引入的期权定价公式的基于套利的证明, 以及将该方法应用于衍生证券定价的不断努力和探索。布莱克—斯科尔斯 (Black-Scholes, 1973) 模型就是该黄金时期最著名的期权定价模型。有人认为, 布莱克—斯科尔斯 (Black-Scholes, 1973) 模型可与莫迪格利尼—米勒 (Modigliani and Miller, 1958) 定理和夏普 (Sharpe, 1964) 及林特纳 (Lintner, 1965) 的CAPM模型并驾齐驱。期权、认股权证和其他衍生证券———那些收益依赖于其他证券价格的金融证券的定价是现代金融经济学的一个伟大成就。基于单一价格定理或无套利定价原理, 布莱克—斯科尔斯期权定价模型和默顿期权定价模型 (Merton, 1973) 几乎立即被学术界和投资界所认可。布莱克—斯科尔斯和默顿模型的基本内涵是, 在一定条件下期权收益可通过一个只包括标的股票和无风险债券的动态投资策略来完全复制。这个特定的策略是一个自融资 (self—financing) 型的投资策略, 除初始日外不需要现金注入, 在期权到期日前不允许现金撤出。因为这个策略是在到期时复制期权收益的, “自融资”投资策略的初始成本必然等于期权的价格, 不然就会有套利机会。无套利定价原理不仅产生了期权的价格, 而且告诉我们如果一个期权不存在的话, 可通过股票和无风险债券的动态投资策略来复制这个期权。布莱克—斯科尔斯和默顿模型告诉我们, 他们的方法同样可用于其他衍生工具的定价;找到动态的自融资组合策略以复制衍生证券的收益, 自融资组合的价格就是衍生证券的价格。这种期权定价法还可完全应用到成百上千种其他衍生证券上。

在实务上证券市场经历了爆炸式发展的新计价技术、对冲应用和证券创新, 其中大多数都是基于布莱克—斯科尔斯模型和相关套利模型的。从布莱克—斯科尔斯模型开始, 一些计量其他更复杂的金融衍生工具的模型相继发展起来。理罗伊 (Le Roy, 1973) 、鲁宾斯坦 (Rubinstein, 1976) 、卢卡斯 (Lucas, 1978) 把CAPM推广到“多期”情形, 卢卡斯模型给出了均衡资产计价模型的一般形式。CAPM的最简单多期描述最终出现在道格·布黎登 (Doug Breeden, 1979) 的基于消费连续时间的CAPM中。1985年, 考克斯—英格索—罗斯 (Cox-IngersollR oss) 发表了利率期限结构模型, 该模型是实务上经常被应用的连续时间一般均衡资产计价模型, 并被成为教科书的首要例子。以后, 一些文献拓展了考克斯和罗斯 (Cox and Ross, 1976) , 罗斯 (R oss, 1978) , 以及哈瑞森和克莱普斯 (Harrison and Kreps, 1979) 的研究思想, 使得动态资产计价理论体系几乎趋于完整。1979年后, 出现了相当数量的推广和演示计价模型, 并且各种问题逐渐在哈瑞森—克莱普斯 (Harrison and Kreps, 1979) 的“等价鞅测度” (equivalent martingale measure) 模型的影响下统一起来。目前连续时间状态下最佳证券组合和消费选择的标准处理方法是考克斯和黄 (Cox and Huang, 1989) 研究中的鞅法。无套利和存在等价鞅测度之间的实质性关系, 最终被德尔伯恩和施卡切梅尔 (Delbaen and Schachermayer, 1999) 的研究所证实。近来, 在动态资产定价上已开发出一批特殊模型来处理随机波动性, 包括违约在内的跳跃行为, 以及利率期限结构模型。随着宏观、微观经济学以及现代财务学的长足进步, 动态资产计价现值模型将不断发展, 可操作性也越来越高, 从而使计量经济学和实证研究也相应地得到不断的发展。

四、结束语

当前, 资本市场在中国蓬勃发展, 市场的广度和深度不断地以扩展。对企业财务报告的分析已经成为广大机构投资者和个人投资者评判企业资质的工具, 通过引入剩余收益估价模型可以进一步明确财务报告信息与企业价值之间的联系, 使投资者更有效地利用上市公司披露的信息。随着我国资本市场的国际化程度不断提升, 各种金融工具和衍生金融工具也会逐渐出现。这必然会产生对其进行资产定价的需要, 通过借鉴国外的资产计价模型, 对于我国新的金融资产定价和丰富我国的财务金融理论都将会有所帮助。

参考文献

[1]Feltham, G., J.Ohlson.“Valuation and clean surplus account-ing for operating and financial activities[J].Contemprory Ac-counting Research, 1995 (11) .

[2]约翰.Y.坎贝尔、安德鲁.W.罗、艾.克雷格.麦金雷:金融市场计量经济学[M].上海财经大学出版社, 2003.

[3]林华、林世怡:财务报告和分析——企业、政府与非营利组织财务报告分析[M].复旦大学出版社, 2010.

动态融合模型 第4篇

关键词：FPGA,图像融合,提升小波变换,小波树

图像融合 (ImageFusion) 技术是指将多源信道所采集到的关于同一目标的图像经过一定的图像处理, 提取各自信道的信息, 最后综合成同一图像以供观察或进一步处理。自20世纪80年代到现在, 有关图像融合的研究不断升温, 出现了很多新算法, 图像融合技术也在军事、医学、资源管理等许多领域得到了广泛的应用。

图像融合的关键就是将融合算法硬件实现[1]。FPGA器件为实现图像处理提供了一种数据处理算法的硬件实现的一个理想的平台。FPGA器件集成度高、体积小, 通过用户编程实现专门应用的功能。它允许电路设计者利用基于计算机的开发平台, 经过设计输入、仿真、测试和校验达到预期的结果, 减少了开发周期[2]。目前FPGA的产品以Xi1inx公司和Altera公司的产品系列为主。

1基于提升小波变换的融合算法

1.1提升小波变换

基于小波变换的图像融合方法的基本处理步骤为[3]:首先对图像进行多尺度空间小波分解, 然后依据小波分析的方向信息选择合适的融合策略依次融合, 最后, 对小波分量进行重构, 所得的图像即为融合图像, 融合图像质量主要取决于小波变换算法的选择和融合规则的设计。

提升算法[4]是由Sweldens等提出的在空间域中构造紧支集双正交小波的一种新方法, 被称为“第二代小波”。它不但可以包容所有传统小波, 而且相比Mallat算法具有原位快速计算、可实现整数小波等优点。因此, 在处理信息量大, 效率要求高的应用中具有独特的优势。其实现思想非常简单, 分解过程 (如图1所示) 通过分裂 (Split) 、预测 (Predict) 和更新 (Update) 三个步骤即可以实现:

(1) 分裂 (Split) :将输入信号 (si) 分成两个互不相交的集合, 通常通过奇、偶抽样来获得信号的偶序列集合sieven和奇序列集合siodd, 称为懒 (Lazy) 小波分解;

(2) 预测 (Predict) :利用信号局部相关性强的特点用sieven去尽量精确地预测siodd, 并把siodd与预测值的差作为信号的高频细节进行保存:di-1=sioddPredict (sieven) ;

(3) 更新 (Update) :对信号能量进行适当调整, 用高频细节di-1对sieven进行更新, 并作为下一级变换的输入:si-1=sieven+Update (di-1) ;

在本文介绍的融合算法中, 利用整数可逆双正交小波变换CDF (2, 2) 来实现图像分解及合成, 其滤波器系数如表1。

1.2融合规则

在融合过程中, 规则的选择非常重要, 也是目前图像融合领域中的一个研究热点和难点。由于小波系数的绝对值越大, 对应于原始图像中像素值更为尖锐的变化。因此, 在像素级的融合规则设计中一个主要的原则就是判断小波系数的绝对值的大小。目前比较常见的融合规则一般采用对低频系数的加权平均和高频系数取最大值及一些改进算法, 这些算法充分考虑了图像不同子带的频率特征, 但是忽略了小波图像具有的天然树状结构的特点。这里我们针对多聚焦图像的融合提出一种新的融合规则:

(1) 低频系数采用平均算子处理:分解层次适当增大或通过计算低频子图像的均方误差来确定分解层次;

(2) 高频系数依据小波树状结构分层进行融合:首先, 依据小波图像高频子带中的每个像素点在空间位置上都对应于其相邻分辨率下高频子带的四个像素点的特点, 将待融合的两幅图像按频带从低到高的顺序构造高频系数的四叉树, 如图2的三级小波变换树结构:

根据小波分解的特点, 树型结构中四个子节点是对父节点同一方向高频边缘细节的补充[5]。融合过程中如果能保证四个子节点取值来源的一致性就能对边缘细节信息提供更好的保护, 这样就可以减少融合图像斑块和拼接现象的出现。很显然, 只考虑取值的一致性会不可避免地导致部分高频率信息的丢失如文献[6]提出的基于区域特征法。比较好的方法是折中考虑这两方面的影响:

首先, 计算待融合的两幅图像相应位置四个子节点的值ai和bi的绝对值和计为V1、V2, 如式1:

然后, 利用式2完成融合图像节点值ci的取值:

式 (2) 中:Wi为权值, 利用式 (3) 进行自适应选取:

1.3算法的实现

2基于FPGA的数字图像融合

根据拟采用的融合算法运算量大, 需要大量的存储空间, 故选用了Altera公司的CycloneII系列FPGA作为算法实现的芯片。该系列产品带有高性能的内部存储器结构, 采用完全的双口存储器结构, 最多可提供1Mb以上的块存储器资源, 具有多达68K的LE (LogicElements:逻辑单元) 和1百万个以上的逻辑门, 同时专用的18位18位乘法器模块最多可达150个, 能工作在250MHz, 同时它还具有先进的外部存储器接口, 通过专用的DDRII以及QDRII接口电路, 可以获得高达668Mbps的性能。此外, 可嵌入高性能、低资源占有率的NiosII软核处理器, 都为其实现高性能的融合系统提供了有力保障。

在图3的FPGA内部, 主要设计了实现融合算法的图像分解、融合重构等模块[7]。其中图像分解部分包括A和B两个模块。分别对A, B两个通道输入的图像进行IHS图像分解和小波图像分解;融合重构模块对每幅图像的小波对应级进行融合, 得到融合小波序列;最后对融合小波序列进行重构运算, 得到最终融合图像数据输出。电源和时钟模块与外部为FPGA提供电源和时钟的器件相连接。配置接口用来下载与FPGA相关的配置文件。SRAM模块是在考虑到FPGA内部存储资源不够用的情况下而预留的。逻辑控制模块主要完成FPGA内部和外部的一些逻辑控制。

3仿真实验与评价

仿真环境是在Windows下用VC++开发的的融合实验系统。对绝对值最大法 (方法1) 、基于区域特征法 (方法2) 以及本文提出的方法 (方法3) 分别进行仿真实验, 结果如图4:

本文用熵和平均梯度两项指标对三种方法的融合性能进行比较, 结果如下表2所示。

同时, 提取图像中人头部分, 从主观视觉角度了解三幅图像局部斑块效应和模糊现象, 如图5。

综合客观量化指标和主观视觉评价可以得出:方法1虽然能很好地保留图像的高频细节, 但图像局部斑块效应严重, 主观视觉效果差。本文提出方法3不但有效地减小了融合图像的失真度, 而且相比于方法2能更好地保留图像高频细节信息, 是一种实用的多聚焦图像融合方法。

4结论

本文提出一种基于FPGA动态可重构的图像融合算法。它有效地利用了小波图像树状结构的特点, 依据不同子带的频率特征实现多聚焦图像的融合, 核心的算法集成到一片FPGA中实现, 提高算法的实时性, 降低系统的实际功耗, 仿真实验表明该方法取得了较好的融合效果。同时本文提出的算法也局限于小波树中同一方向高频子节点相关性的研究, 更深入的工作应集中在研究小波树高频子带的三个不同方向系数的相关性, 设计出更适合人眼视觉的融合算法。

参考文献

[1]冉晓强, 汶德胜, 满锋.基于FPGA的亚像元图像融合系统的设计与实现.光子学报, 2007;36, (6) :274—277

[2]Walder H, Steiger C, Platzner M.Fast online task placement on FP-GAs:free space partitioning and2D-hashing.In:2003IEEE Proceed-ings of the International Parallel and Distributed Processing Symposi-um (IPDPS’03) .2003

[3]Pajares G.A wavelet-based image fusion tutorial.Pattern Recogni-tion, 2004;37:1855—1872

[4]赵大一, 刘雪峰, 霍丙全, 等.基于离散余弦变换和聚类算法的遥感图像融合.微计算机信息, 2006;5—3:234—236

[5]穆静, 王长元.基于小波变换的多分辨率图像融合技术的研究.微计算机信息, 2005;12—3:175—176

[6]蓝伟, 刘玉树, 杜志歧.二代小波及其在图像融合中的应用.计算机应用, 2005;25 (12) :2832—2834