关键字 |
图像融合技术,多种感觉的图片,主成分分析,小波变换,fuzzylet图像融合 |
介绍 |
在大规模应用,如遥感、医学成像图像融合的重要性。它结合了从两个或多个源图像的重要信息到一个单独的合成图像描述现场更好,保留有用的信息从输入图像。高分辨率的全色图像给出了几何图像的细节,因为自然的存在以及人造场景中的对象和一个低分辨率多光谱图像源图像的颜色信息。遥感应用,图像融合,也称为pansharpening,整合了源图像形成一个高分辨率的多光谱图像。融合图像将被用于许多图像处理任务,如图像分割、特征提取、特征识别、目标检测和目标识别。使用单一传感器图像融合过程的序列图像。它提出了一些局限性,因为有限的焦点深度成像传感器使用。在智能系统的应用程序,使用多个传感器。 |
多传感器图像融合的目的是代表视觉信息从多个图像具有不同的几何表示成singleresultant图像没有任何信息丢失。优势ofimage融合包括图像锐化、功能增强,提高了分类,建立立体数据集。多传感器图像融合提供了一系列操作的好处而言,时空特征,系统性能,减少歧义,提高可靠性。 |
基于加工水平,图像融合技术可以分为不同的类别。这些都是像素级、特征级和象征级/决策水平。像素级的方法是最简单和广泛使用的方法。该方法处理源图像中的像素,保留原始图像的大部分信息。其他两种方法相比,像素级图像融合提供了更精确的结果。功能水平方法处理源图像的特征。这种方法可用于决策水平的方法有效地融合图像。由于减少了数据大小,更容易压缩和传输数据。图像融合的顶层决策水平。 |
它使用的数据信息中提取像素级融合或内容水平融合做出最优决策来实现特定的目标。此外,它降低了冗余和不确定的信息。 |
图像融合的预处理步骤图1所示。其中包括图像配准,图像重采样和图像的结合。结合传感器图像的定义良好的结果是图像融合中的一个重要的任务。 |
输入图像 |
文献调查 |
大量的研究工作已经完成年代中期以来的图像融合技术。融合图像的最简单的方法是通过thegrayscale源图像的像素的平均水平。这个简单的方法给好的结果在减少成本的对比水平。这些技术的融合图像可以应用到不同的数据集根据他们的时空特征。空间域技术和频域技术相结合用于图像。空间域技术过程图像像素来实现所需的结果,同时频域技术第一图像转移到频域通过应用傅里叶变换,然后获得合成图像进行傅里叶反变换。这些方法使用熵等性能度量特征相比,峰值信噪比(PSNR),均方误差。 |
许多研究人员已经在多传感器图像融合技术。对输入图像进行一个金字塔分解和重构融合图像进行逆金字塔变换是[8]中描述。最古老的IHS变换的彩色图像融合方法[3]。主成分分析是一种常用的方法是类似于IHS变换[7]。PCA、IHS和高通滤波[4]的方法都属于空间域技术。使用移不变的性质的小波,小波变换用于结合多光谱图像[10]。几个医疗成像应用程序使用人工神经网络作为一种图像融合方法[5]。[9]中描述DCT方法给少PSNR但可靠的MSE。这些方法对于一个质量好的图像融合了下一章。 |
现有的图像融合技术 |
不同的图像融合技术的研究和发展到目前为止如下。 |
1。IHS变换(Intensity-Hue-Saturation) |
2。主成分分析(PCA) |
3所示。金字塔技术 |
拉普拉斯算子的金字塔b)高斯金字塔 |
c)梯度金字塔d)形态金字塔 |
4所示。高通滤波 |
5。小波变换 |
6。人工神经网络 |
7所示。离散余弦变换 |
1)IHS变换(INTENSITY-HUE-SATURATION) |
强度、色相和饱和度是颜色的三个属性,给控制图像的可视化表示。IHS变换法是最古老的图像融合方法。IHS空间的色相和饱和度需要仔细控制,因为它包含大部分的光谱信息。对潘高分辨率图像和多光谱图像的融合,高空间分辨率的细节信息被添加到光谱信息。提出了许多基于不同颜色的IHS变换技术模型。这些技术包括HSV, IHS1、IHS2 HIS3, IHS4, IHS5, IHS6 YIQ。基于这些不同的公式,IHS变换给出不同的结果[3]。 |
2)金字塔技术 |
图像金字塔可以被描述为一个模型的双目融合人类视觉系统。通过形成一个原始图像金字塔结构表示在不同的水平。复合图像是由应用图像融合的模式选择的方法。首先,每个源图像金字塔分解执行。这些图片都是集成,形成一个复合图像,然后逆金字塔变换应用于合成图像。的MATLAB实现金字塔技术是本文所示。图像融合进行分解,形成一个融合金字塔的每一层和融合图像获得[8]。 |
3)高通滤波(高通滤波器) |
高分辨率的多光谱图像fromhigh通滤波。高分辨率的全色图像的高频信息添加到低分辨率多光谱图像获取合成图像。它是通过过滤高分辨率全色图像进行高通滤波器或通过原始HRPI和减去LRPI。中包含的光谱信息的低频信息HRMI由这种方法保存。当使用低通滤波器,它显示了一个平稳过渡乐队以及高纹波通带外的[4]。 |
4)主成分分析(PCA) |
尽管类似的IHS变换,PCA方法对IHS方法的优点是,可以使用任意数量的乐队。这是一个最流行的图像融合的方法。不相关的主成分形成的低分辨率多光谱图像。第一主成分(PC1)常用所有乐队的信息。它包含高方差,它给更多关于全色图像的信息。高分辨率的平底锅组件是延伸到具有相同的方差PC1和取代PC1。然后逆PCA变换是用来得到高分辨率的多光谱图像。第二主成分是由在子空间垂直于第一个和第三个的子空间垂直于前两个等等。PCA和他提供良好的结果转换为代价的颜色失真[7]。 |
5)小波变换 |
小波变换是一种短时傅里叶变换。它优于傅里叶变换,它提供了所需的分辨率在时域和频域而傅里叶变换只给一个很好的解决频域。傅里叶变换的信号分解为不同频率的正弦波,而小波变换分解信号成比例和转移的母小波或函数形式。在使用小波变换的图像融合,输入图像分解intoapproximate和信息使用DWT系数在一些特定的水平。融合规则是把这两个系数和由此产生的图像是通过逆小波变换[10]。 |
6)离散余弦变换(DCT) |
离散余弦变换发现MPEG压缩图像形式的重要性,JVT等。通过离散余弦变换,空间域图像转化为频域图像。Chu-Hui李和zheng wei周将图像分成三个部分为低频,中频和高频。平均照明是由直流值和交流是高频的系数值。RGB图像分成块,8 * 8像素的大小。图像矩阵然后分组的红色、绿色和蓝色,转换为灰度图像。 |
二维离散余弦变换应用于灰度图像。灰度块的频率从空间域转换到频率域。一旦DCT系数计算,融合DCT系数是通过应用融合规则。通过逆DCT,融合图像。 |
基于DCT方法更可靠的时间,因此他们是有用的实时系统。DCT系数显示能源紧性,因为所有的DCT系数集合在低频区。它给真正的结果,当实时数据作为输入[9]。 |
7)人工神经网络(ANN) |
人工神经网络(ANN)发现他们在模式识别的重要性。在这个使用非线性响应函数。它使用脉冲耦合神经网络(相),由反馈网络。这个网络分为三部分即接受域、调制域脉冲发生器。每个神经元对应于输入图像的像素。匹配的像素的强度作为一个外部相的输入。该方法有利的耐寒性与噪音,桥梁的几何变化和功能独立小强度输入模式的变化。相有生物的重要性和用于医学成像,这种方法是可行的,给实时系统性能[5]。 |
FUZZYLET图像融合方法 |
模糊干扰系统制定从给定的输入到输出的映射使用模糊集的规则。这种映射是由基于隶属度函数,模糊逻辑运算符,如果规则。Mamdani类型和Sugeno类型是两种类型的模糊干扰系统。他们不同的方式确定的输出。当更多数量的隶属度函数模糊图像融合系统给出更好的结果。多传感器图像融合一直在使用模糊逻辑。空间信息的多传感器图像的模糊集表示。当应用隶属度函数和融合规则正确可以获得融合图像质量好。在Fuzzylet融合算法,像素级图像融合是使用模糊逻辑执行平稳小波变换。通过使用Mamdani模糊干扰系统提供的结果在执行时间。 By combining the advantages of both Fuzzy logic and SWTFuzzylet image fusion provides better results than that are obtained by applying SWT and fuzzy logic independently. It gives good results but as the levels of decomposition are increased execution time increases [1]. |
结果和讨论 |
表下面显示了比较各种方法去除脉冲噪声等参数通过使用峰值信噪比(PSNR)和均方根误差(RMSE)。均方根误差的均方根误差计算输入图像和融合图像中对应像素。它衡量的变化像素,因为处理。峰值信噪比高时,融合和参考图像是相似的。 |
当原始和重构图像之间的差异小,PSNR值大。还有一些其他的性能度量特征如熵、标准差,执行时间和错误的形象。 |
结论 |
图像融合的过程将输入图像和提取有用信息给合成图像。Fuzzylet融合算法使用模糊干扰系统进行图像融合。这个系统将给好的结果结合SWT和模糊逻辑的优点。它还提供了一个高PSNR值和较低的RMSE值。这些值比单独使用SWT和模糊逻辑时获得的。因此它可以用在许多图像处理的应用领域。 |
表乍一看 |
![Click Here 表的图标](//www.cheescube.com/articles-images/table-icon.gif) |
表1 |
|
|
数据乍一看 |
![Click Here 图](//www.cheescube.com/articles-images/IJAREEIE-195-g001.gif) |
图1 |
|
|
引用 |
- Swathy Nair1,行长Elias2和VPS Naidu像素级图像融合使用fuzzylet融合算法”IJAREEIE ISO 3297: 2007认证组织,2卷,December2013特刊。
- 迪帕克Kumar Sahu议员Parsai”,不同的图像融合技术至关重要的审查,”国际期刊《现代工程研究(IJMER)卷。2、问题。5、pp - 4298 - 4301 - issn: 2249 - 6645, Sep.-Oct。2012年。
- DjemelZiou市志Wang,科斯塔斯Armenakis Deren李,李和清泉,“图像融合方法的比较分析”IEEE Trans.Geosci。远程Sens。, 43卷,不。6日,页。1391 - 1402年,2005年6月。
- B。Aiazzi, l . Alporone Baronti和a . Garzelli“上下文驱动的融合高空间和光谱分辨率图像基于oversampledmultiresolution分析”Geosci IEEE事务。远程Sens。40卷,。10日,第2312 - 2300页,2002年10月。
- Shutao Li詹姆斯·t·郭Yaonan王”Multifocus使用人工神经网络的图像融合”- 8655/02 / 0167 - 2002爱思唯尔科学,模式识别字母23 (2002)985 - 997。,3月30日收到2001;修订后的形式收到2001年6月21日。
- 西班牙,T。杰迈玛Jebaseeli”调查multifoacus图像融合方法”国际先进的研究在计算机工程与技术杂志》上(IJARCET)卷1,问题8,ISSN: 2278 - 1323, 2012年10月。
- Kwarteng p·s·查韦斯和a . y”,提取光谱图像数据对比在陆地卫星专题成像仪使用选择性主要componentanalysis”Photogramm。Eng。远程Sens。, 55卷,不。3,pp.339 - 348, 1989。
- M。Pradeep”,使用MATLAB的实现图像融合算法(拉普拉斯算子的金字塔)“978 - 1 - 4673 - 5090 - 7/13 /©2013年IEEE 31.00美元
- Vijay kumarBanga Jagdeep辛格,”一个增强的基于DCT的图像融合usingAdaptive直方图均衡化”国际期刊ofComputer应用体积(0975 - 8887)87 - 12路,2014年2月。
- V.P.S. Naidu jr Raol,“像素级图像融合使用小波和主成分分析”国防科学杂志卷。58岁的没有。3,页338 - 352,2008年5月。
|