Izložba

Poboljšani algoritam fuzije slika

Oct 12, 2018 Ostavi poruku

Poboljšani algoritam fuzije slika

Mi smo velika firma za štampanje u Shenzhen Kina. Nudimo sve publikacije u knjigama, štampanje knjiga u kavezima, štampanje knjiga u kutiji, izdanje knjiga sa tvrdim koverom, štampanje knjiga, štampanje brošura, štampanje brošura, ambalažu, kalendare, sve vrste PVC, brošure proizvoda, napomene, dečije knjige, naljepnice vrste specijalnih proizvoda za štampu u boji, karticu i tako dalje.

Za više informacija posetite

http://www.joyful-printing.com. Samo ENG

http://www.joyful-printing.net

http://www.joyful-printing.org

email: info@joyful-printing.net


Prvo. Uvod


Fuzija slike je sinteza informacija o slici koje su dobili od dva ili više senzora da bi se postigla tačnija i bogatija slika. Fuzija slike je podijeljena na tri nivoa od niske do visoke: fuzija nivoa piksela, fuzija nivoa funkcija i fuzija nivoa odlučivanja. Wavelet transformacija se često koristi u fuziji slika. Istraživanja pokazuju da talasna transformacija nije optimalna metoda reprezentacije funkcija u visokim dimenzijama. Da bi efikasnije predstavili i obradili prostorne podatke velikih dimenzija kao što su slike, istraživači su predložili seriju mnogostrukih alata za geometrijsku analizu kao što su Ridgelet, Curvelet, Bandelet, Contourlet i Wavelet-Contourlet. Predloženi metodi postavljaju osnovu za izgradnju sve efikasnijih fuzionih metoda u oblasti fuzije slika.


Wavelet transformacija i Contourlet transform su dva glavna i najčešće korišćena alata za fuziju slika. Wavelet transformacija je zrela u teoriji i praktičnim primenama. Uvek je bio zajednički alat za fuziju slika, ali on može dobiti samo informacije u tri pravca: horizontalno, vertikalno i dijagonalno. Transformacija Contourlet može kompenzovati konačnost pravca transformacije vibleta i dobijati informacije u bilo kom smeru slike. Istovremeno, wavelet transformacija i Contourlet transform procesuiraju sliku na sličan način, odnosno, slika se raspada na niske frekvencije i dijelove visoke frekvencije, a fuzija slika se obavlja u niskom frekvenciji i visokoj frekvenciji, respektivno. Stoga, wavelet transformacija i Contourlet transform mogu se kombinirati radi poboljšanja performansi slike.


Istraživanje fuzije slika ne uključuje samo istraživanje algoritama, već i istraživanje pravila fuzije. Fuziona pravila sada generalno određuju pravila fuzije regiona (ili prozora). Pošto niska frekvencija uglavnom odražava informacije o energiji slike, a visoka frekvencija odražava granične informacije slike, odnosno stepen promjene. Varijansa takođe odražava ukupnu promenu između piksela slika. Dakle, u ovom radu odabran je fuzioni metod izbora ponderisanog prosjeka regionalne varijanse u dijelu visoke frekvencije.


Drugo, transformacija wavelet-Contourlet


1. Wavelet transformacija

1989. godine inspirisan Burtom i Adelsonovim piramidnim algoritmom dekompozicije i rekonstrukcije (Gauss-Laplace piramidni algoritam), Mallat je predstavio ideje višestruke analize u oblasti računarske vizije u wavelet analizu. Koncept analize rezolucije dat je Mallat brzi algoritam.

Dvodimenzionalni Mallat algoritam može se izraziti kao:

U formuli, niskofrekventne komponente u prostornoj rezoluciji su visoko-frekventne komponente u horizontalnim, vertikalnim i dijagonalnim pravcima u prostornoj rezoluciji. Kao skup celih brojeva, to je filtar za konekciju ogledala.


2.Contourlet transformacija

Pošto transformacija vaveta ne predstavlja dobro informacije o pravcu slike. Godine 2002, Do i Vetterli su predložili transformaciju Contourlet. Contourlet transformacija je višeslojna, lokalna i usmerena slika reprezentacije. Može pružiti informacije u bilo kom smeru i predstavlja retko predstavljanje dvodimenzionalne slike. Transformacija Contourlet koristi dvokanalnu banku filtera koja obrađuje sliku u dva koraka:

2.1 Laplacijska piramida (LP) se koristi za raspadanje ulazne slike. LP dekompozicija se sastoji od četiri koraka: filtriranje niskopropusnih, uzorkovanje, interpolacija i filtriranje band-passa. Nastavak LP dekompozicije niskotemperaturnih podbendova daje niskog frekvencija i visokih frekvencijskih podbendova u nizu različitih skala.

2.2 Analiza pravca se vrši na bankovnoj bazi filtra visoke frekvencije koja se dobija dekompozicijom LP. Svrha filma usmerenog filtera je da snima usmerene visoke frekventne informacije slike i kombinuje singularne tačke u istom pravcu u jedan koeficijent.


Birač usmerenog filtera razgrađuje strukturu nivoa drveta na slici i razgrađuje frekvencijski domen na podbands, od kojih je svaki klinast oblik. Metoda prvo koristi filtar ventilatora koji je prikazan na slici 1 i pet filtera za uzorkovanje da bi se ulazna slika razgradila u dva podbands, horizontalna i vertikalna, a zatim uvodila opseg operatora rezimiranja rezanja.

Slika 1 Banka filtera (filter ventilatora i pet filtera za uzorkovanje)

Slika 1 predstavlja pet matrica za uzorkovanje, a oblast crnog sektora predstavlja idealno dekompoziciju frekvencijskog domena za svaki filter.


3. Wavelet-Contourlet transformacija

LP dekompozicija koja se koristi u prvoj fazi transformacije Contourlet je redundantna, što rezultira sa 4/3 redundancijom konture transformacije. Pored toga, de-korelacija raspada LP-a nije tako dobra kao vavetransformacija. Kao odgovor na gore navedene probleme, Eslami R i Radha H su predložili transformaciju wavelet-Contourlet. Transformacija wavelet-Contourlet sastoji se od dvostepene baze filtera. Prva faza je dekompozicija pomoću wavelet transformacije kako bi se dobilo visokofrekventne komponente slike, čime se smanjuje korelacija detaljnih informacija o podprostoru. U drugoj fazi koristi se baza za usmeravanje filtera. Dobijaju se podbands u svim pravcima visoke frekvencije. Kao što je prikazano na slici 2:


Treće, na osnovu varijansnog prosečnog algoritma fuzije


Koraci fuzionog algoritma datog u ovom radu su sledeći:

1 Izvođenje wavelet-Contourlet transformacije na lijevoj zamućeni slici i prava zamućena slika respektivno, i dobijanje niskog frekventnog dela i visokofrekvencijskog dela izvorne slike;


2 Deo niske frekvencije koristi jednostavno ponderisano prosečno fuziono pravilo.

Nakon što se slika transformiše pomoću wavelet-Contourlet, niskofrekventni koeficijenti uglavnom koncentrišu većinu energije originalne slike, koja određuje pregled slike. U ovom radu koristimo ponderisano prosječno fuziono pravilo za koeficijente podzapada niskih frekvencija.


3 Visokofrekventni deo usvaja fuziono pravilo varijansne selekcije ponderisanog prosjeka.

Nakon što se slika transformiše wavelet-Contourlet, visokofrekventni koeficijent uglavnom sadrži detalje i ivične informacije slike. Svaki koeficijent pod-opsega visokih frekvencija oličava smerne karakteristike. U ovom radu prihvaćen je algoritam fuzije zasnovan na usaglašavanju izbora varijanse. Pravila fuzije su sledeća:


Prvo, dobijeni su slojevi razlaganja visokofrekventnih pod-slika zamagljene slike sa leve strane i desne strane zamućene slike, a lokalne varijacije odgovarajućih piksela u odgovarajućim pravcima su evidentirane kao:. Pogledajte formulu (2) za formulu:

Onda ga normalizuj:

Definišite prag: Ovaj članak uzima simulaciju. Zatim postoje:

U ovom slučaju, predstavljaju vrednosti piksela spojene slike, slike i slike u razloženom sloju i pravcu. Iz jednačina (5) i (6) se može videti da kada su vrednosti lokalnog varijanse normalizovanih slika A i B velike, to znači da jedna slika sadrži detaljne informacije o obodu, dok druga slika sadrži manje informacije o detaljima ivice , vrednost piksela sa većom lokalnom varijansom je izabrana kao koeficijent spoja; kada su dve slike normalizovane, lokalna varijansa je blizu, što ukazuje na to da obje slike sadrže detaljne informacije o detaljima. Ponderisani prosječni fuzioni algoritam se koristi za određivanje koeficijenta valveta nakon fuzije. Ovo čuva detaljne karakteristike slike dok izbegava gubitak informacija.


4 Izvršite inverznu transformaciju wavelet-Contourlet kako biste dobili konačnu spojenu sliku.

Specifični proces je prikazan na slici 3.

Slika 3 Dijagram blokiranja fuzije slike Wavelet-Contourlet


Četvrto, integracija pokazatelja evaluacije i analiza eksperimentalnih rezultata


Da bi se utvrdila efikasnost predloženog algoritma, pod istim pravilima fuzije, upoređena je sa wavelet transformacijom i konturlatnom transformacijom. Slika se razgrađa i rekonstruiše pomoću db5 wavelet-a. Prag se uzima kao 0,6.

Da bi se objektivno ocijenila spojena slika, izabrana je jasna sivka slika kao referentna slika. Unutrašnja unakrsna entropija, odstupanje i prostorna frekvencija spojene slike i referentne slike koriste se kao objektivni kriterijumi za procjenu prednosti i slabosti fuzionog efekta.

1. Cross entropija

Prelazna entropija spojene slike i standardne referentne slike definišu se kao:

U jednačini (7), suma je verovatnoća sume sivih vrijednosti. Ukupni sivi nivo slike. Kros entropija, poznata i kao relativna entropija, ključni je indikator za procenu razlike između dve slike. Što je manja križna entropija, to je manja razlika između opisa i suma, više informacija se izvlači iz nje, to jest, efekat spajanja slike je bolji.


2. Odstupanje

Otklanjanje i definiše se kao:

U formuli (8), vrijednosti gradacije sume su odgovarajuće označene. Veličina odstupanja predstavlja razliku od sive vrednosti. Što je manja odstupanja, to je efekt fuzije.


3. Prostorna frekvencija

Prostorna frekvencija slike je:

(9) je frekvencija linije slike, a njegova formula za izračunavanje je prikazana u (10):

(9) je kolona frekvencija slike, a njegova formula za izračunavanje je kao što je prikazano u (11):

Gornja formula predstavlja sivu vrijednost na poziciji piksela i predstavlja broj linija i broj stupaca slike, respektivno.

Prostorna učestanost slike je indikator koji se odnosi na varijansu, što odražava ukupnu aktivnost prostornog domena slike. Što je veća prostorna frekvencija, što je aktivnija slika, to je jasnija slika i što bolje efekat mešanja slika.

Na slici 4 prikazani su rezultati fuzionog eksperimenta. Slika 4 (a) je standardna referentna slika, Slika 4 (b) je slika koju treba spojiti sa Gaussovim filterom na levoj strani, a Slika 4 (c) je slika koju treba spojiti sa Gaussovim filterom na desnoj strani strana. Slika 4 (d) je spojena slika nakon wavelet transformacije, slika 4 (e) je spojena slika nakon konturne transformacije, a Slika 4 (f) je spojena slika nakon wavelet-Contourlet transformacije.

(a) Standardna referentna slika (b) Zamućena slika koja se fuzira sa leve strane (c) Zamućena slika koja se fuzira na desnoj strani

(d) Prosjek selekcije waveleta (e) Prosjek selekcije konture (f) prosjek wavelet-Contourlet selekcije

Podaci o evaluaciji učinka tri transformacije za fuziju prikazani su u Tabeli 1.

Tabela 1 Analiza rezultata usporedbe tri transformacije fuzije

Iz tabele 1 može se videti da u poređenju sa transformacijom vableta, transformacija wavelet-contourlet povećava prostornu frekvenciju za 11,27%, odstupanje je 10,84% niže od wavelet transformacije, a cross-entropija je 23,81% niža od wavelet transformisati.


Transformacija wavelet-Contourlet je skoro identična sa prostornom frekvencijom u poređenju sa konturlatnom transformacijom. Odstupanje je 1,91% niže od Contourlet transformacije, a cross entropija je 11,11% niža od konture transformacije. Prema tome, s obzirom na indikatore evaluacije, verifikovana je efikasnost predloženog algoritma.


V. Zaključak

U ovom radu predložen je poboljšani algoritam za odabir ponderisanog prosjeka regionalnih varijacija za visokofrekventne koeficijente, a ponderisana prosečna obrada se koristi za niske frekvencije. Eksperimenti pokazuju da predloženi algoritam lakše može dobiti podatke i podatke ivice slike. Prema eksperimentalnim podacima, odstupanje i unakrsna entropija transformacije wavelet-Contourlet su niže od onih u transformaciji vaveta i konturlu transformaciji.


Prema tome, pod istim pravilom fuzije, algoritam fuzije slika zasnovan na transformaciji wavelet-Contourlet i ponderiranom proseku varijanse regiona može dobiti bolje rezultate od wavelet transformacije i fuzionog algoritma Contourlet transform.

Pošaljite upit