Algoritma fusi gambar yang ditingkatkan
Kami adalah perusahaan percetakan besar di Shenzhen Cina. Kami menawarkan semua publikasi buku, pencetakan buku hardcover, pencetakan buku sampul, notebook hardcover, pencetakan buku sprial, pencetakan buku stiching sadel, pencetakan buklet, kotak kemasan, kalender, semua jenis PVC, brosur produk, catatan, buku anak-anak, stiker, semua jenis produk pencetakan warna kertas khusus, kartu permainan dan sebagainya.
Untuk informasi lebih lanjut, silahkan kunjungi
http://www.joyful-printing.com. ENG saja
http://www.joyful-printing.net
http://www.joyful-printing.org
email: info@joyful-printing.net
Pertama. pengantar
Penggabungan gambar adalah sintesis informasi gambar yang diperoleh oleh dua atau lebih sensor untuk membentuk gambar yang lebih akurat dan lebih kaya. Fusi gambar dibagi menjadi tiga tingkat dari rendah ke tinggi: fusi tingkat piksel, fusi tingkat fitur, dan fusi tingkat keputusan. Transformasi wavelet adalah metode yang umum digunakan dalam fusi gambar. Penelitian menunjukkan bahwa transformasi wavelet bukan merupakan metode representasi fungsi yang optimal dalam kasus dimensi tinggi. Agar lebih efektif dalam merepresentasikan dan memproses data spasial berdimensi tinggi seperti gambar, para peneliti telah mengusulkan serangkaian alat analisis geometrik multi-skala seperti Ridgelet, Curvelet, Bandelet, Contourlet, dan Wavelet-Contourlet. Metode yang diusulkan meletakkan dasar untuk membangun metode fusi yang lebih dan lebih efisien di bidang fusi gambar.
Transformasi wavelet dan transformasi Contourlet adalah dua alat utama dan umum digunakan untuk fusi gambar. Transformasi wavelet matang baik dalam teori maupun aplikasi praktis. Ini selalu menjadi alat umum untuk fusi gambar, tetapi hanya dapat memperoleh informasi dalam tiga arah: horizontal, vertikal dan diagonal. Transformasi Contourlet dapat mengkompensasi keterbatasan arah transformasi wavelet dan memperoleh informasi ke segala arah gambar. Pada saat yang sama, transformasi wavelet dan Contourlet mengubah proses gambar dengan cara yang sama, yaitu, gambar didekomposisi menjadi frekuensi rendah dan bagian frekuensi tinggi, dan fusi gambar dilakukan dalam frekuensi rendah dan frekuensi tinggi masing-masing. Oleh karena itu, transformasi wavelet dan transformasi Contourlet dapat dikombinasikan untuk meningkatkan kinerja gambar.
Penelitian fusi gambar tidak hanya mencakup penelitian algoritma, tetapi juga penelitian aturan fusi. Aturan fusi sekarang umumnya memilih aturan penggabungan region (atau windowing). Karena frekuensi rendah terutama mencerminkan informasi energi gambar, dan frekuensi tinggi mencerminkan informasi batas gambar, yaitu, tingkat perubahan. Varians juga mencerminkan perubahan keseluruhan antara piksel gambar. Oleh karena itu, dalam makalah ini, metode fusi pemilihan rata-rata tertimbang dari varian regional dipilih di bagian frekuensi tinggi.
Kedua, wavelet-Contourlet berubah
1. Transformasi wavelet
Pada tahun 1989, terinspirasi oleh dekomposisi dan rekonstruksi piramida algoritma Burt dan Adelson (algoritma piramida Gauss-Laplace), Mallat memperkenalkan ide-ide analisis multi-skala di bidang visi komputer ke dalam analisis wavelet. Konsep analisis resolusi diberikan oleh algoritma cepat Mallat.
Algoritma Mallat dua dimensi dapat dinyatakan sebagai:
Dalam rumus, komponen frekuensi rendah dalam resolusi spasial masing-masing komponen frekuensi tinggi dalam arah horizontal, vertikal, dan diagonal dalam resolusi spasial. Sebagai satu set bilangan bulat, itu adalah filter konjugat cermin.
2.Contourlet berubah
Karena transformasi wavelet tidak mewakili informasi arah gambar dengan baik. Pada tahun 2002, Do dan Vetterli mengusulkan transformasi Contourlet. Contourlet transform adalah metode representasi gambar multi-resolusi, lokal dan terarah. Ini dapat memberikan informasi ke segala arah dan merupakan representasi yang jarang dari gambar dua dimensi. Transformasi Contourlet menggunakan bank filter dua saluran yang memproses gambar dalam dua langkah:
2.1 Piramida Laplace (LP) digunakan untuk menguraikan gambar input. Dekomposisi LP terdiri dari empat langkah: penyaringan low-pass, down-sampling, amplifikasi interpolasi, dan penyaringan band-pass. Lanjutan dekomposisi LP dari subband frekuensi rendah menghasilkan frekuensi rendah dan subband frekuensi tinggi pada berbagai skala yang berbeda.
2.2 Analisis directionality dilakukan pada bank filter arah frekuensi tinggi yang diperoleh oleh dekomposisi LP. Tujuan dari bank filter arah adalah untuk menangkap informasi frekuensi tinggi arah dari gambar dan menggabungkan titik tunggal dalam arah yang sama ke dalam satu koefisien.
Bank filter directional mengurai struktur tingkat pohon dari gambar, dan menguraikan domain frekuensi menjadi sub-band, yang masing-masing berbentuk baji. Metode ini pertama kali menggunakan filter kipas yang ditunjukkan pada Gambar 1 dan lima filter sampling untuk menguraikan gambar input ke dalam dua sub-band, horizontal dan vertikal, dan kemudian memperkenalkan band operator resampling Shearing.
Gambar 1 Bank filter (filter kipas dan lima filter sampling)
Gambar 1 mewakili lima matriks sampling, dan area sektor hitam mewakili dekomposisi domain frekuensi ideal untuk setiap filter.
3. Transformasi Wavelet-Contourlet
Dekomposisi LP yang digunakan dalam tahap pertama transformasi Contourlet adalah redundan, menghasilkan redundansi 4/3 dari Transform Contourlet. Selain itu, dekomposisi dekomposisi LP juga tidak sebaik transformasi wavelet. Menanggapi masalah di atas, Eslami R dan Radha H mengusulkan transformasi wavelet-Contourlet. Transformasi wavelet-Contourlet terdiri dari bank filter dua tahap. Tahap pertama didekomposisi oleh transformasi wavelet untuk mendapatkan komponen frekuensi tinggi dari gambar, sehingga mengurangi korelasi informasi detail sub-ruang. Tahap kedua menggunakan bank directional filter. Subbands di segala arah frekuensi tinggi diperoleh. Seperti yang ditunjukkan pada Gambar 2:
Ketiga, berdasarkan varians selection average fusion algorithm
Langkah-langkah dari algoritma fusi yang diberikan dalam makalah ini adalah sebagai berikut:
1 Melakukan wavelet-Contourlet mengubah gambar buram kiri dan gambar buram kanan masing-masing, dan memperoleh bagian frekuensi rendah dan bagian frekuensi tinggi dari gambar sumber;
2 Bagian frekuensi rendah menggunakan aturan fusi rata-rata tertimbang sederhana.
Setelah gambar diubah oleh wavelet-Contourlet, koefisien frekuensi rendah terutama memusatkan sebagian besar energi dari gambar asli, yang menentukan ikhtisar gambar. Dalam makalah ini, kami menggunakan aturan fusi rata-rata tertimbang untuk koefisien subband frekuensi rendah.
3 Bagian frekuensi tinggi mengadopsi aturan fusi pemilihan varians rata-rata tertimbang.
Setelah gambar diubah oleh wavelet-Contourlet, koefisien frekuensi tinggi terutama berisi rincian dan informasi tepi gambar. Setiap koefisien sub-band frekuensi tinggi mewujudkan karakteristik terarah. Dalam makalah ini, algoritma fusi berdasarkan pemilihan varian rata-rata diadopsi. Aturan fusi adalah sebagai berikut:
Pertama, lapisan dekomposisi dari sub-gambar frekuensi tinggi dari gambar buram sisi kiri dan gambar buram sisi kanan diperoleh, dan variasi lokal dari piksel yang sesuai dalam arah masing-masing dicatat sebagai:. Lihat rumus (2) untuk rumus:
Kemudian menormalkannya:
Tentukan ambang: Artikel ini mengambil simulasi. Lalu ada:
Dimana,, masing-masing, mewakili nilai-nilai pixel dari gambar yang menyatu, gambar, dan gambar di lapisan dan arah yang membusuk. Hal ini dapat dilihat dari persamaan (5) dan (6) bahwa ketika nilai-nilai varians lokal dari gambar normalisasi A dan B besar, itu berarti bahwa satu gambar berisi informasi detail tepi yang kaya, sedangkan gambar lainnya mengandung dengan informasi detail tepi yang kurang , nilai pixel dengan varian lokal yang lebih besar dipilih sebagai koefisien leburan; ketika dua gambar dinormalisasi, varians lokal dekat, menunjukkan bahwa kedua gambar mengandung informasi detail tepi yang kaya. Algoritma fusi rata-rata tertimbang digunakan untuk menentukan koefisien wavelet setelah fusi. Ini mempertahankan fitur detail dari gambar sambil menghindari kehilangan informasi.
4 Lakukan transformasi inverse wavelet-Contourlet untuk mendapatkan gambar leburan akhir.
Proses spesifik ditunjukkan pada Gambar 3.
Gambar 3 Wavelet-Contourlet mengubah diagram blok fusi gambar
Keempat, integrasi indikator evaluasi dan analisis hasil eksperimen
Untuk memverifikasi efektivitas algoritma yang diusulkan, di bawah aturan fusi yang sama, itu dibandingkan dengan transformasi wavelet dan transformasi Contourlet. Citra didekomposisi dan direkonstruksi menggunakan db5 wavelet. Ambang batas diambil sebagai 0,6.
Untuk mengevaluasi secara objektif gambar yang menyatu, gambar grayscale yang jelas dipilih sebagai gambar referensi. Entropi silang, deviasi dan frekuensi spasial dari gambar leburan dan gambar referensi digunakan sebagai kriteria obyektif untuk mengevaluasi pro dan kontra dari efek fusi.
1. Lintas entropi
Entropi silang dari gambar leburan dan gambar referensi standar didefinisikan sebagai:
Dalam persamaan (7), jumlah adalah probabilitas jumlah nilai abu-abu. Total level abu-abu dari gambar. Cross entropy, juga dikenal sebagai entropi relatif, adalah indikator kunci untuk mengevaluasi perbedaan antara dua gambar. Semakin kecil entropi silang, semakin kecil perbedaan antara deskripsi dan jumlah, semakin banyak informasi yang diambil darinya, yaitu, efek penggabungan gambar menjadi lebih baik.
2. Penyimpangan
Penyimpangan dan didefinisikan sebagai:
Dalam rumus (8), nilai gradasi dari jumlah masing-masing ditunjukkan. Besarnya penyimpangan mewakili perbedaan dari nilai abu-abu. Semakin kecil deviasinya, semakin baik efek fusi.
3. Frekuensi spasial
Frekuensi spasial gambar adalah:
(9) adalah frekuensi garis gambar, dan rumus kalkulasinya ditunjukkan dalam (10):
(9) adalah frekuensi kolom gambar, dan rumus kalkulasinya seperti ditunjukkan pada (11):
Rumus di atas mewakili nilai abu-abu pada posisi piksel, dan mewakili jumlah garis dan jumlah kolom gambar, masing-masing.
Frekuensi spasial suatu gambar merupakan indikator yang terkait dengan varians, mencerminkan keseluruhan aktivitas dari suatu domain spasial gambar. Semakin besar frekuensi spasial, semakin aktif gambar, semakin jernih gambar, dan semakin baik efek pencampuran gambar.
Gambar 4 menunjukkan hasil percobaan fusi. Gambar 4 (a) adalah gambar referensi standar, Gambar 4 (b) adalah gambar yang akan disatukan oleh filter Gaussian di sisi kiri, dan Gambar 4 (c) adalah gambar yang akan disatukan oleh filter Gaussian di sebelah kanan. sisi. Gambar 4 (d) adalah Gambar leburan setelah transformasi wavelet, Gambar 4 (e) adalah gambar leburan setelah Transform Contourlet, dan Gambar 4 (f) adalah gambar leburan setelah transformasi wavelet-Contourlet.
(a) Gambar referensi standar (b) Gambar buram yang akan menyatu di sisi kiri (c) Gambar buram yang akan menyatu di sisi kanan
(d) Rata-rata pemilihan wavelet (e) Rata-rata pemilihan konturlet (f) wavelet-Pemilihan konturlet rata-rata
Data evaluasi kinerja dari tiga transformasi untuk fusi ditunjukkan pada Tabel 1.
Tabel 1 Analisis perbandingan data kinerja dari tiga transformasi fusi
Hal ini dapat dilihat dari Tabel 1 yang dibandingkan dengan transformasi wavelet, transformasi wavelet-contourlet meningkatkan frekuensi spasial sebesar 11,27%, deviasinya adalah 10,84% lebih rendah daripada transformasi wavelet, dan entropi silang adalah 23,81% lebih rendah dari wavelet. mengubah.
Transformasi wavelet-Contourlet hampir identik dengan frekuensi spasial dibandingkan dengan Transform Contourlet. Deviasinya 1,91% lebih rendah dari Contourlet transform, dan entropi silang 11,11% lebih rendah daripada Contourlet transform. Oleh karena itu, mempertimbangkan indikator evaluasi, efektivitas algoritma yang diusulkan diverifikasi.
V. KESIMPULAN
Dalam makalah ini, algoritma ditingkatkan untuk memilih rata-rata tertimbang varians regional untuk koefisien frekuensi tinggi diusulkan, dan pengolahan rata-rata tertimbang digunakan untuk frekuensi rendah. Eksperimen menunjukkan bahwa algoritme yang diusulkan dapat lebih mudah memperoleh detail dan informasi tepi gambar. Menurut data eksperimen, deviasi dan entropi silang dari transformasi wavelet-Contourlet lebih rendah daripada transformasi wavelet dan Transformasi Contourlet.
Oleh karena itu, di bawah aturan fusi yang sama, algoritma fusi gambar berdasarkan transformasi wavelet-Contourlet dan rata-rata tertimbang dari varians wilayah dapat memperoleh hasil yang lebih baik daripada transformasi wavelet dan Contourlet mengubah algoritma fusi.