Thuật toán tổng hợp hình ảnh được cải thiện
Chúng tôi là một công ty in ấn lớn ở Thâm Quyến Trung Quốc. Chúng tôi cung cấp tất cả các ấn phẩm sách, in bìa sách bìa cứng, in sách bìa cứng, bìa cứng, in ấn in ấn, in ấn cuốn sách yên ngựa, in sách, hộp đóng gói, lịch, tất cả các loại PVC, tài liệu quảng cáo sản phẩm, ghi chú, sách thiếu nhi, nhãn dán, tất cả các loại sản phẩm in màu giấy đặc biệt, thẻ game và vân vân.
Để biết thêm thông tin, vui lòng truy cập
http://www.joyful-printing.com. Chỉ ENG
http://www.joyful-printing.net
http://www.joyful-printing.org
email: info@joyful-printing.net
Đầu tiên. Giới thiệu
Hợp nhất hình ảnh là tổng hợp thông tin hình ảnh thu được bằng hai hoặc nhiều cảm biến để tạo thành hình ảnh chính xác và phong phú hơn. Hình ảnh phản ứng tổng hợp được chia thành ba cấp độ từ thấp đến cao: fusion cấp pixel, tính năng phản ứng tổng hợp cấp độ và phản ứng tổng hợp cấp độ quyết định. Biến đổi Wavelet là một phương pháp thường được sử dụng trong phản ứng tổng hợp hình ảnh. Nghiên cứu cho thấy rằng biến đổi wavelet không phải là phương pháp biểu diễn hàm tối ưu trong các trường hợp chiều cao. Để thể hiện và xử lý hiệu quả hơn các dữ liệu không gian chiều cao như hình ảnh, các nhà nghiên cứu đã đề xuất một loạt các công cụ phân tích hình học đa cấp như Ridgelet, Curvelet, Bandelet, Contourlet và Wavelet-Contourlet. Các phương pháp đề xuất đặt nền tảng cho việc xây dựng các phương pháp nhiệt hạch hiệu quả hơn và nhiều hơn nữa trong lĩnh vực phản ứng tổng hợp hình ảnh.
Biến đổi Wavelet và biến đổi Contourlet là hai công cụ chính và thường được sử dụng cho sự hợp nhất hình ảnh. Wavelet biến đổi là trưởng thành trong cả lý thuyết và ứng dụng thực tế. Nó luôn luôn là một công cụ phổ biến cho sự hợp nhất hình ảnh, nhưng nó chỉ có thể thu thập thông tin theo ba hướng: ngang, dọc và chéo. Biến đổi Contourlet có thể bù đắp cho độ mịn của hướng biến đổi wavelet và thu thập thông tin theo bất kỳ hướng nào của hình ảnh. Đồng thời, biến đổi wavelet và Contourlet biến đổi hình ảnh theo cách tương tự, có nghĩa là, hình ảnh bị phân tách thành các phần tần số thấp và tần số cao, và sự kết hợp hình ảnh được thực hiện ở tần số thấp và tần số cao tương ứng. Do đó, biến đổi wavelet và biến đổi Contourlet có thể được kết hợp để cải thiện hiệu suất của hình ảnh.
Nghiên cứu về phản ứng tổng hợp hình ảnh không chỉ bao gồm nghiên cứu các thuật toán, mà còn nghiên cứu các quy tắc nhiệt hạch. Quy tắc tổng hợp giờ đây thường chọn các quy tắc tổng hợp khu vực (hoặc cửa sổ). Vì tần số thấp chủ yếu phản ánh thông tin năng lượng của hình ảnh và tần số cao phản ánh thông tin biên của hình ảnh, tức là mức độ thay đổi. Phương sai cũng phản ánh sự thay đổi tổng thể giữa các điểm ảnh. Vì vậy, trong bài báo này, phương pháp tổng hợp của việc lựa chọn trung bình trọng số của phương sai vùng được chọn trong phần tần số cao.
Thứ hai, biến đổi wavelet-Contourlet
1. Biến đổi Wavelet
Năm 1989, lấy cảm hứng từ phân tích hình ảnh của Burt và Adelson và thuật toán kim tự tháp tái thiết (thuật toán kim tự tháp Gauss-Laplace), Mallat đã giới thiệu các ý tưởng phân tích đa quy mô trong lĩnh vực máy tính để phân tích wavelet. Khái niệm phân tích độ phân giải được đưa ra bởi thuật toán nhanh Mallat.
Thuật toán Mallat hai chiều có thể được biểu diễn dưới dạng:
Trong công thức, các thành phần tần số thấp trong độ phân giải không gian là các thành phần tần số cao tương ứng theo hướng ngang, dọc và chéo trong độ phân giải không gian. Là một tập hợp các số nguyên, nó là một bộ lọc liên hợp gương.
2.Contourlet chuyển đổi
Kể từ khi biến đổi wavelet không đại diện cho thông tin hướng của hình ảnh tốt. Năm 2002, Do và Vetterli đề xuất biến đổi Contourlet. Biến đổi Contourlet là một phương thức biểu diễn hình ảnh đa chiều, cục bộ và hướng. Nó có thể cung cấp thông tin theo bất kỳ hướng nào và là một biểu diễn thưa thớt của một hình ảnh hai chiều. Biến đổi Contourlet sử dụng ngân hàng bộ lọc hai kênh xử lý hình ảnh theo hai bước:
2.1 Kim tự tháp Laplacian (LP) được sử dụng để phân hủy hình ảnh đầu vào. Phân tích LP bao gồm bốn bước: lọc thông thấp, lấy mẫu xuống, khuếch đại nội suy và lọc dải thông. Tiếp tục phân tách LP của các băng tần số thấp tạo ra các băng tần số thấp và tần số cao trên một phạm vi các thang đo khác nhau.
2.2 Phân tích định hướng được thực hiện trên ngân hàng bộ lọc định hướng tần số cao thu được bởi quá trình phân tách LP. Mục đích của ngân hàng lọc định hướng là nắm bắt thông tin tần số cao định hướng của hình ảnh và kết hợp các điểm số ít theo cùng một hướng thành một hệ số.
Ngân hàng bộ lọc định hướng phân hủy cấu trúc cấp cây của hình ảnh và phân tách miền tần số thành các băng con, mỗi phần trong số đó là hình nêm. Phương pháp đầu tiên sử dụng bộ lọc quạt được hiển thị trong Hình 1 và năm bộ lọc lấy mẫu để phân tách hình ảnh đầu vào thành hai băng con, nằm ngang và dọc, sau đó giới thiệu dải điều khiển lấy mẫu cắt.
Hình 1 Ngân hàng lọc (bộ lọc quạt và năm bộ lọc lấy mẫu)
Hình 1 thể hiện năm ma trận lấy mẫu, và khu vực màu đen biểu thị sự phân tách miền tần số lý tưởng cho mỗi bộ lọc.
3. Biến đổi Wavelet-Contourlet
Việc phân tách LP được sử dụng trong giai đoạn đầu tiên của phép biến đổi Contourlet là thừa, dẫn đến một sự dư thừa 4/3 của phép biến đổi Contourlet. Ngoài ra, sự tương quan giữa phân tích LP cũng không tốt bằng biến đổi wavelet. Để đối phó với các vấn đề trên, Eslami R và Radha H đã đề xuất một biến đổi wavelet-Contourlet. Biến đổi wavelet-Contourlet bao gồm một ngân hàng lọc hai giai đoạn. Giai đoạn đầu tiên bị phân hủy bởi biến đổi wavelet để thu được các thành phần tần số cao của ảnh, do đó làm giảm sự tương quan của thông tin chi tiết không gian con. Giai đoạn thứ hai sử dụng ngân hàng bộ lọc định hướng. Các băng con ở mọi hướng tần số cao đều thu được. Như trong Hình 2:
Thứ ba, dựa trên thuật toán tổng hợp trung bình lựa chọn phương sai
Các bước của thuật toán tổng hợp được đưa ra trong bài báo này như sau:
1 Thực hiện biến đổi wavelet-Contourlet trên hình ảnh mờ bên trái và hình ảnh mờ bên phải tương ứng, và thu được phần tần số thấp và phần tần số cao của hình ảnh nguồn;
2 Phần tần số thấp sử dụng quy tắc tổng hợp trung bình có trọng số đơn giản.
Sau khi hình ảnh được biến đổi bởi wavelet-Contourlet, các hệ số tần số thấp chủ yếu tập trung phần lớn năng lượng của ảnh gốc, xác định tổng quan của hình ảnh. Trong bài báo này, chúng tôi sử dụng quy tắc tổng hợp trung bình có trọng số cho các hệ số băng tần số thấp.
3 Phần tần số cao thông qua quy tắc tổng hợp của phương sai trung bình được chọn trọng số.
Sau khi hình ảnh được biến đổi bởi wavelet-Contourlet, hệ số tần số cao chủ yếu chứa thông tin chi tiết và cạnh của hình ảnh. Mỗi hệ số băng tần số cao thể hiện các đặc tính định hướng. Trong bài báo này, một thuật toán tổng hợp dựa trên trung bình lựa chọn phương sai được thông qua. Các quy tắc nhiệt hạch như sau:
Đầu tiên, các lớp phân hủy của hình ảnh phụ tần số cao của hình ảnh mờ bên trái và hình ảnh mờ bên phải thu được và phương sai cục bộ của các pixel tương ứng theo các hướng tương ứng được ghi lại tương ứng là:. Xem công thức (2) cho công thức:
Sau đó bình thường hóa nó:
Xác định ngưỡng: Bài viết này mô phỏng. Sau đó, có:
Trong đó,, tương ứng, đại diện cho các giá trị pixel của hình ảnh, hình ảnh và hình ảnh được hợp nhất trong lớp và hướng bị phân hủy. Nó có thể được nhìn thấy từ phương trình (5) và (6) khi giá trị phương sai cục bộ của ảnh A và B chuẩn hóa lớn, nghĩa là một ảnh chứa thông tin chi tiết cạnh phong phú, trong khi ảnh kia chứa thông tin chi tiết ít cạnh hơn , giá trị pixel với phương sai cục bộ lớn hơn được chọn làm hệ số hợp nhất; khi hai hình ảnh được chuẩn hóa, phương sai cục bộ sẽ đóng lại, cho biết cả hai hình ảnh đều chứa thông tin chi tiết cạnh phong phú. Thuật toán tổng hợp trung bình trọng số được sử dụng để xác định các hệ số sóng sau khi hợp nhất. Điều này bảo tồn các tính năng chi tiết của hình ảnh trong khi tránh mất thông tin.
4. Thực hiện một biến đổi đảo ngược-Contourlet nghịch đảo để có được hình ảnh hợp nhất cuối cùng.
Quy trình cụ thể được thể hiện trong Hình 3.
Hình 3 Sơ đồ khối hình ảnh biến đổi Wavelet-Contourlet
Thứ tư, việc tích hợp các chỉ số đánh giá và phân tích kết quả thử nghiệm
Để xác minh tính hiệu quả của thuật toán đề xuất, theo cùng các quy tắc hợp nhất, nó được so sánh với biến đổi wavelet và biến đổi Contourlet. Hình ảnh bị phân hủy và tái tạo lại bằng cách sử dụng db5 wavelet. Ngưỡng được lấy là 0,6.
Để đánh giá khách quan hình ảnh hợp nhất, một hình ảnh màu xám rõ ràng đã được chọn làm hình ảnh tham chiếu. Các entropy chéo, độ lệch và tần số không gian của hình ảnh hợp nhất và hình ảnh tham chiếu được sử dụng làm tiêu chí khách quan để đánh giá ưu và nhược điểm của hiệu ứng nhiệt hạch.
1. Cross entropy
Entropy chéo của ảnh đã hợp nhất và ảnh tham chiếu chuẩn được định nghĩa là:
Trong phương trình (7), tổng là xác suất tổng của các giá trị màu xám. Tổng mức xám của hình ảnh. Entropy chéo, còn được gọi là entropy tương đối, là một chỉ báo quan trọng để đánh giá sự khác biệt giữa hai hình ảnh. Entropy chéo nhỏ hơn, sự khác biệt nhỏ hơn giữa mô tả và tổng, càng có nhiều thông tin được trích xuất từ nó, tức là, hiệu quả của việc sáp nhập hình ảnh là tốt hơn.
2. Độ lệch
Độ lệch và được định nghĩa là:
Trong công thức (8), các giá trị phân bậc của tổng được chỉ ra tương ứng. Độ lớn của độ lệch biểu thị sự khác biệt so với giá trị màu xám. Độ lệch càng nhỏ thì hiệu ứng nhiệt hạch càng tốt.
3. Tần số không gian
Tần số không gian của hình ảnh là:
(9) là tần số dòng của hình ảnh, và công thức tính toán của nó được thể hiện trong (10):
(9) là tần số cột của hình ảnh, và công thức tính toán của nó được thể hiện trong (11):
Công thức trên đại diện cho giá trị màu xám ở vị trí pixel và đại diện cho số dòng và số cột của hình ảnh tương ứng.
Tần số không gian của hình ảnh là một chỉ báo liên quan đến phương sai, phản ánh hoạt động chung của một miền không gian hình ảnh. Tần số không gian càng lớn, hình ảnh càng hoạt động, hình ảnh rõ hơn và hiệu ứng pha trộn hình ảnh càng tốt.
Hình 4 cho thấy kết quả của thí nghiệm nhiệt hạch. Hình 4 (a) là hình ảnh tham chiếu chuẩn, Hình 4 (b) là hình ảnh được hợp nhất bởi bộ lọc Gaussian ở bên trái, và Hình 4 (c) là hình ảnh được hợp nhất bởi bộ lọc Gaussian ở bên phải bên. Hình 4 (d) là hình ảnh hợp nhất sau khi biến đổi wavelet, Hình 4 (e) là hình ảnh hợp nhất sau khi biến đổi Contourlet, và Hình 4 (f) là hình ảnh hợp nhất sau khi biến đổi wavelet-Contourlet.
(a) Hình ảnh tham chiếu chuẩn (b) Hình ảnh mờ được hợp nhất ở phía bên trái (c) Hình ảnh mờ được hợp nhất ở phía bên phải
(d) Trung bình lựa chọn Wavelet (e) Trung bình lựa chọn trung bình (f) wavelet-Contourlet
Dữ liệu đánh giá hiệu suất của ba phép biến đổi cho phản ứng tổng hợp được thể hiện trong Bảng 1.
Bảng 1 Phân tích dữ liệu so sánh hiệu suất của ba phép biến đổi nhiệt hạch
Có thể thấy từ Bảng 1 so sánh với biến đổi wavelet, biến đổi đường bao-wavelet tăng tần số không gian lên 11,27%, độ lệch thấp hơn 10,84% so với biến đổi wavelet, và entropy chéo thấp hơn so với wavelet 23,81% biến đổi.
Biến đổi wavelet-Contourlet gần giống với tần số không gian so với biến đổi Contourlet. Độ lệch thấp hơn 1,91% so với phép biến đổi Contourlet và entropy chéo thấp hơn 11,11% so với phép biến đổi Contourlet. Vì vậy, xem xét các chỉ số đánh giá, hiệu quả của thuật toán đề xuất được xác minh.
V. Kết luận
Trong bài báo này, một thuật toán cải tiến để lựa chọn trung bình trọng số của phương sai khu vực cho hệ số tần số cao được đề xuất, và xử lý trung bình có trọng số được sử dụng cho tần số thấp. Thử nghiệm cho thấy thuật toán được đề xuất có thể dễ dàng thu thập thông tin chi tiết và cạnh của hình ảnh hơn. Theo dữ liệu thực nghiệm, độ lệch và entropy chéo của biến đổi wavelet-Contourlet thấp hơn so với biến đổi wavelet và biến đổi Contourlet.
Do đó, theo cùng quy tắc tổng hợp, thuật toán kết hợp hình ảnh dựa trên biến đổi wavelet-Contourlet và trung bình trọng số của phương sai vùng có thể thu được kết quả tốt hơn so với biến đổi wavelet và thuật toán biến đổi liên kết Contourlet.

