所有提交的电磁系统将被重定向到在线手稿提交系统。作者请直接提交文章在线手稿提交系统各自的杂志。

图像融合参数估计和比较计算和DWT的技术

Gagandeep Kour1拉德·p·辛格2
  1. m技术的学生,EEE, Arni大学Kathgarh, Himachal Pardesh,印度- 176401
  2. Arni大学副教授,EEE Kathgarh, Himachal Pardesh,印度- 176401
相关文章Pubmed,谷歌学者

访问更多的相关文章国际先进研究期刊》的研究在电子、电子、仪表工程

文摘

图像融合实现对使用两种技术计算和DWT模糊图像。以计算机为基础的算法设计计算和DWT增强图像。较低的图像使用光学传感器捕捉到一个像素值。这些图像是模糊使用循环平均滤波器有不同的平均价值从1 - 5所示。参数,如峰值信噪比(PSNR),均方根误差(RMSE),信号噪声比(信噪比)和通用的图像质量指数(UIQI)模糊,圣言,DWT融合图像。UIQI计算值的计算显示最大值对DWT融合技术。

关键字

UIQI圣言,DWT, PSNR,信噪比,图像融合

介绍

过程相结合的同一场景的多个图像通过实现基于计算机算法增强图像中的信息内容正在开发和被称为图像融合[1]。图像融合技术有助于改善图像的质量。图像融合领域的发现应用光学遥感;CCD设备有限的关注,医学图像增强[2]。捕获的图像融合可能从不同的光学传感器,获得在不同的空间和不同的光谱特性。图像融合正在开发有一个客观的保留图像的可取的特点。现在广泛的光学传感器与多分辨率数据是可用的,这导致越来越感兴趣的研究人员在图像融合领域广泛应用[3]。为了带走的图像融合各种算法正在开发提供良好的结果。各种技术,如小波、DCT、奇异值分解等正在探索提高图像融合后图像的内容应用于数据的集合。
在本研究论文信息集合的数据取自光学传感器和图像融合应用于取得更好的图像的离散小波变换(DWT)和奇异值分解(圣)基于图像融合。同时这些技术评估的有效性通过比较各种内容的参数。

圣言会和DWT的理论

基本原理用于线性代数计算矩形真实的或复杂的矩阵的因子分解成对角线对称或厄米方阵使用特征向量[4]。计算一个m * nmatrix X是由:
图像
图像

方法

调查进行估计的参数特性应用奇异值分解和基于DWT的图像融合后图像。扭曲的信息内容与这两个图像增强技术。使用标准的光学摄像机拍摄的图像和存储进行进一步处理。一个以计算机为基础的算法设计与实现使用奇异值分解的图像融合和DWT的技术。应用奇异值分解和基于DWT的图像融合之前,循环平均滤波器应用于这些图像添加一些扭曲。设计算法的框图见图1。
应用奇异值分解和DWT的图像融合后扭曲的图像,图像的信息内容描述为——计算
均方根误差(RMSE)参考图像中对应像素的r我和融合图像f。如果参考图像和融合图像是一样的给RMSE值等于0时,它会增加不同增加之间的引用和融合图像[9]。
图像(5)
峰值信噪比(PSNR)值时将高熔融和参考图像是一样的和更高的价值意味着更好的融合。PSNR值计算通过遵循方程[10][11]
图像(6)
信号噪声比(信噪比)计算使用以下[12]
图像
图像
图像

结果和讨论

提出的性能计算和DWT的图像融合方法使用不同程度的失真图像进行了测试。循环平均滤波器实现模糊图像水平从1 - 5。图2显示了从设计获得模糊图像与相应的加强图像奇异值分解的图像融合算法。图2 (a) 2 (e)的模糊图像与应用程序循环平均过滤半径从1到5。相应的增强图像奇异值分解融合图2所示(f) 2 (j)。类似图3 (a) 3 (e)显示了模糊图像与DWT融合图像所示3 (f) 3 (j)。计算图像内容信息(如PSNR、信噪比、均方根误差、通用图像质量指数(UIQI)模糊图像与参考图像的模糊图像表1中给出。图像的质量参数后,应用奇异值分解和DWT的图像融合也计算表2和表3所示。
图像
图像
图像
图像
图像

结论

研制了一种以计算机为基础的算法计算和基于DWT的图像融合。不同等级的模糊程度的图像被使用循环平均滤波器。圣言会显示其统治DWT对UIQI值模糊水平1到5。UIQI级别1到5的值是0.0153,0.0155,0.0164,0.0165和0.0154。同样UIQI值基于DWT的融合是0.0091,0.0094,0.0092,0.0093和0.0093分别为1至5级。

引用














全球技术峰会