Un algoritmo di fusione delle immagini migliorato
Siamo una grande azienda di stampa a Shenzhen in Cina. Offriamo tutte le pubblicazioni di libri, stampa di libri rigidi, stampa di libri su carta, quaderno rilegato, stampa di libri di sprial, stampa di libri a cucitura, stampa di libretti, scatole di imballaggio, calendari, tutti i tipi di PVC, brochure di prodotti, note, libri per bambini, adesivi, tutti tipi di speciali prodotti di stampa a colori di carta, gioco di carte e così via.
Per maggiori informazioni per favore visita
http://www.joyful-printing.com. Solo ENG
http://www.joyful-printing.net
http://www.joyful-printing.org
email: info@joyful-printing.net
Primo. introduzione
La fusione di immagini è la sintesi di informazioni sull'immagine ottenute da due o più sensori per formare un'immagine più accurata e più ricca. La fusione di immagini è divisa in tre livelli: da basso ad alto: fusione a livello di pixel, fusione a livello di feature e fusione a livello di decisione. La trasformazione Wavelet è un metodo comunemente usato nella fusione di immagini. La ricerca mostra che la trasformazione delle wavelet non è il metodo di rappresentazione della funzione ottimale in casi di dimensioni elevate. Per rappresentare in modo più efficace ed elaborare dati spaziali ad alta risoluzione come le immagini, i ricercatori hanno proposto una serie di strumenti di analisi geometrica su più scale come Ridgelet, Curvelet, Bandelet, Contourlet e Wavelet-Contourlet. I metodi proposti gettano le basi per la costruzione di metodi di fusione sempre più efficienti nel campo della fusione di immagini.
Trasformata Wavelet e Trasformata Contourlet sono due strumenti principali e comunemente usati per la fusione di immagini. La trasformazione Wavelet è matura sia nella teoria che nelle applicazioni pratiche. È sempre stato uno strumento comune per la fusione di immagini, ma può ottenere solo informazioni in tre direzioni: orizzontale, verticale e diagonale. La trasformazione Contourlet può compensare la finitezza della direzione di trasformazione delle wavelet e ottenere informazioni in qualsiasi direzione dell'immagine. Allo stesso tempo, la trasformazione wavelet e la trasformazione Contourlet elaborano l'immagine in un modo simile, cioè l'immagine viene scomposta in parti a bassa frequenza e ad alta frequenza e la fusione dell'immagine viene eseguita rispettivamente in bassa frequenza e alta frequenza. Pertanto, la trasformazione wavelet e la trasformazione Contourlet possono essere combinati per migliorare le prestazioni dell'immagine.
La ricerca della fusione di immagini non include solo la ricerca di algoritmi, ma anche la ricerca delle regole di fusione. Le regole di fusione ora generalmente selezionano le regole di fusione di regioni (o finestre). Perché la bassa frequenza riflette principalmente l'informazione energetica dell'immagine, e l'alta frequenza riflette le informazioni di confine dell'immagine, cioè il grado di cambiamento. La varianza riflette anche il cambiamento complessivo tra i pixel dell'immagine. Pertanto, in questo documento, il metodo di fusione per selezionare la media ponderata della varianza regionale viene selezionato nella parte ad alta frequenza.
In secondo luogo, la trasformazione del profilo Wavelet-Contourlet
1. Trasformata Wavelet
Nel 1989, ispirato dall'algoritmo piramidale di decomposizione e ricostruzione delle immagini di Burt e Adelson (l'algoritmo piramidale di Gauss-Laplace), Mallat ha introdotto idee di analisi su più scale nel campo della visione artificiale in analisi wavelet. Il concetto di analisi della risoluzione è dato dall'algoritmo veloce di Mallat.
L'algoritmo bidimensionale di Mallat può essere espresso come:
Nella formula, le componenti a bassa frequenza nella risoluzione spaziale sono rispettivamente componenti ad alta frequenza nelle direzioni orizzontale, verticale e diagonale nella risoluzione spaziale. Come insieme di interi, è un filtro coniugato a specchio.
Trasformazione 2.Contourlet
Poiché la trasformazione wavelet non rappresenta l'informazione di direzione dell'immagine bene. Nel 2002, Do e Vetterli hanno proposto la trasformazione Contourlet. La trasformazione Contourlet è un metodo di rappresentazione dell'immagine locale e direzionale multi-risoluzione. Può fornire informazioni in qualsiasi direzione ed è una rappresentazione sparsa di un'immagine bidimensionale. La trasformazione Contourlet utilizza un banco di filtri a due canali che elabora l'immagine in due passaggi:
2.1 La Laplacian Pyramid (LP) è usata per decomporre l'immagine in ingresso. La decomposizione LP consiste di quattro passaggi: filtraggio passa-basso, campionamento verso il basso, amplificazione di interpolazione e filtraggio passa-banda. La decomposizione continua di LP dei sottotaboli a bassa frequenza produce bassi livelli di bassa frequenza e alta frequenza su una gamma di scale diverse.
2.2 L'analisi della direzione viene eseguita sul banco del filtro direzionale ad alta frequenza ottenuto dalla decomposizione del LP. Lo scopo del banco di filtri direzionali è quello di catturare l'informazione direzionale ad alta frequenza dell'immagine e combinare i singoli punti nella stessa direzione in un coefficiente.
Il banco del filtro direzionale decompone la struttura a livello di albero dell'immagine e decompone il dominio della frequenza in sottobande, ognuna delle quali è a forma di cuneo. Il metodo utilizza dapprima il filtro della ventola mostrato nella figura 1 e cinque filtri di campionamento per decomporre l'immagine di ingresso in due sottobande, orizzontale e verticale, e quindi introduce la banda dell'operatore di ricampionamento del taglio.
Figura 1 Banca del filtro (filtro della ventola e cinque filtri di campionamento)
La Figura 1 rappresenta cinque matrici di campionamento e l'area del settore nero rappresenta la scomposizione del dominio di frequenza ideale per ciascun filtro.
3. Trasformata Wavelet-Contourlet
La decomposizione LP utilizzata nella prima fase della trasformazione Contourlet è ridondante, con conseguente ridondanza 4/3 della trasformazione Contourlet. Inoltre, la decorrelazione della decomposizione LP non è altrettanto buona della trasformazione wavelet. In risposta ai suddetti problemi, Eslami R e Radha H hanno proposto una trasformazione del profilo Wavelet-Contourlet. La trasformazione Wavelet-Contourlet è composta da un banco di filtri a due stadi. Il primo stadio viene decomposto dalla trasformazione wavelet per ottenere le componenti ad alta frequenza dell'immagine, riducendo in tal modo la correlazione delle informazioni di dettaglio sub-spazio. Il secondo stadio utilizza il banco del filtro direzionale. Si ottengono sottotasti in tutte le direzioni ad alta frequenza. Come mostrato in Figura 2:
Terzo, basato sull'algoritmo di fusione medio di selezione della varianza
I passaggi dell'algoritmo di fusione dati in questo documento sono i seguenti:
1 Esecuzione della trasformazione del profilo ondulato-contorno sull'immagine sfocata a sinistra e sull'immagine a destra sfocata rispettivamente, e ottenendo la parte a bassa frequenza e la parte ad alta frequenza dell'immagine sorgente;
2 La parte a bassa frequenza utilizza una regola di fusione media ponderata semplice.
Dopo che l'immagine è stata trasformata da Wavelet-Contourlet, i coefficienti a bassa frequenza concentrano principalmente la maggior parte dell'energia dell'immagine originale, che determina la panoramica dell'immagine. In questo documento, usiamo la regola di fusione media ponderata per i coefficienti subband di bassa frequenza.
3 La parte ad alta frequenza adotta la regola di fusione della media ponderata per la selezione della varianza.
Dopo che l'immagine è stata trasformata da Wavelet-Contourlet, il coefficiente di alta frequenza contiene principalmente i dettagli e le informazioni del bordo dell'immagine. Ciascun coefficiente della sottobanda ad alta frequenza comprende le caratteristiche direzionali. In questo documento viene adottato un algoritmo di fusione basato sulla media della selezione della varianza. Le regole di fusione sono le seguenti:
Innanzitutto, si ottengono gli strati di decomposizione delle sub-immagini ad alta frequenza dell'immagine sfocata a sinistra e dell'immagine sfocata a destra, e le varianze locali dei corrispondenti pixel nelle rispettive direzioni sono rispettivamente registrate come:. Vedere la formula (2) per la formula:
Quindi normalizzalo:
Definisci una soglia: questo articolo prende la simulazione. Poi ci sono:
In cui, rispettivamente, rappresentano i valori dei pixel dell'immagine, dell'immagine e dell'immagine fuse nello strato e nella direzione scomposti. Dalle equazioni (5) e (6) si può vedere che quando i valori di varianza locale delle immagini normalizzate A e B sono grandi, significa che un'immagine contiene informazioni dettagliate sui bordi ricchi, mentre l'altra immagine contiene Con meno informazioni sui dettagli dei bordi , il valore del pixel con maggiore varianza locale è selezionato come coefficiente fuso; quando le due immagini sono normalizzate, la varianza locale è chiusa, a indicare che entrambe le immagini contengono informazioni dettagliate sui bordi. L'algoritmo di fusione media ponderata viene utilizzato per determinare i coefficienti wavelet dopo la fusione. Ciò preserva le caratteristiche dettagliate dell'immagine evitando la perdita di informazioni.
4 Eseguire una trasformazione inversa del contorno-wavelet per ottenere l'immagine finale fusa.
Il processo specifico è mostrato in Figura 3.
Figura 3 Schema a blocchi di fusione delle immagini di Wavelet-Contourlet
In quarto luogo, l'integrazione degli indicatori di valutazione e l'analisi dei risultati sperimentali
Al fine di verificare l'efficacia dell'algoritmo proposto, secondo le stesse regole di fusione, esso viene confrontato con la trasformazione wavelet e la trasformata di Contourlet. L'immagine è scomposta e ricostruita usando wavelet db5. La soglia è considerata come 0.6.
Per valutare obiettivamente l'immagine fusa, è stata selezionata un'immagine in scala di grigi chiara come immagine di riferimento. L'entropia incrociata, la deviazione e la frequenza spaziale dell'immagine fusa e l'immagine di riferimento vengono utilizzate come criteri obiettivi per valutare i pro e i contro dell'effetto fusione.
1. Entropia trasversale
L'entropia incrociata dell'immagine fusa e l'immagine di riferimento standard è definita come:
Nell'equazione (7), la somma è la probabilità della somma dei valori grigi. Il livello di grigio totale dell'immagine. L'entropia trasversale, nota anche come entropia relativa, è un indicatore chiave per valutare la differenza tra due immagini. Più piccola è l'entropia incrociata, minore è la differenza tra la descrizione e la somma, più informazioni vengono estratte da esso, cioè l'effetto di unire l'immagine è migliore.
2. Deviazione
La deviazione di e è definita come:
Nella formula (8), i valori di gradazione della somma sono rispettivamente indicati. La grandezza della deviazione rappresenta la differenza dal valore di grigio. Più piccola è la deviazione, migliore è l'effetto di fusione.
3. Frequenza spaziale
La frequenza spaziale dell'immagine è:
(9) è la frequenza di linea dell'immagine e la sua formula di calcolo è mostrata in (10):
(9) è la frequenza della colonna dell'immagine e la sua formula di calcolo è come mostrato in (11):
La formula sopra rappresenta il valore di grigio nella posizione dei pixel e rappresenta rispettivamente il numero di linee e il numero di colonne dell'immagine.
La frequenza spaziale di un'immagine è un indicatore relativo alla varianza, che riflette l'attività complessiva di un dominio spaziale dell'immagine. Maggiore è la frequenza spaziale, più l'immagine è attiva, più nitida è l'immagine e migliore è l'effetto di fusione dell'immagine.
La Figura 4 mostra i risultati dell'esperimento sulla fusione. La Figura 4 (a) è l'immagine di riferimento standard, la Figura 4 (b) è l'immagine che deve essere fusa dal filtro Gaussiano sul lato sinistro, e la Figura 4 (c) è l'immagine che deve essere fusa dal filtro Gaussiano sulla destra lato. La Figura 4 (d) è L'immagine fusa dopo la trasformazione di una wavelet, la Figura 4 (e) è l'immagine fusa dopo la trasformazione di Contourlet, e la Figura 4 (f) è l'immagine fusa dopo la trasformazione di Wavelet-Contourlet.
(a) Immagine di riferimento standard (b) Immagine sfocata da fondere sul lato sinistro (c) Immagine sfocata da fondere sul lato destro
(d) Media di selezione delle wavelet (e) Media di selezione del profilo (f) media di selezione del profilo di Wavelet
I dati di valutazione delle prestazioni delle tre trasformazioni per fusione sono mostrati nella Tabella 1.
Tabella 1 Analisi dei dati di confronto delle prestazioni di tre trasformazioni di fusione
Dalla tabella 1 si può vedere che rispetto alla trasformata wavelet, la trasformata del profilo ondulato aumenta la frequenza spaziale dell'11,27%, la deviazione è inferiore del 10,84% rispetto alla trasformata wavelet e l'entropia incrociata è inferiore del 23,81% rispetto alla wavelet trasformare.
La trasformazione Wavelet-Contourlet è quasi identica alla frequenza spaziale rispetto alla trasformazione Contourlet. La deviazione è inferiore dell'1,91% rispetto alla trasformazione Contourlet e l'entropia incrociata è inferiore dell'11,11% rispetto alla trasformazione Contourlet. Pertanto, considerando gli indicatori di valutazione, viene verificata l'efficacia dell'algoritmo proposto.
V. conclusione
In questo documento, viene proposto un algoritmo migliorato per selezionare la media ponderata delle varianze regionali per i coefficienti ad alta frequenza, e l'elaborazione media ponderata viene utilizzata per le basse frequenze. Gli esperimenti mostrano che l'algoritmo proposto può ottenere più facilmente i dettagli e le informazioni marginali dell'immagine. Secondo i dati sperimentali, la deviazione e l'entropia incrociata della trasformata del profilo Wavelet sono inferiori a quelle della trasformata wavelet e della trasformata Contourlet.
Pertanto, secondo la stessa regola di fusione, l'algoritmo di fusione di immagini basato sulla trasformata di profilo Wavelet-Contourlet e la media ponderata della varianza di regione può ottenere risultati migliori rispetto alla trasformazione di wavelet e all'algoritmo di fusione di trasformata di Contourlet.