یک الگوریتم تلفیقی تصویر بهبود یافته است
ما یک شرکت چاپ بزرگ در شنژن چین هستیم. ما ارائه می دهیم تمام نشریات چاپی، چاپ کتاب های سختگیرانه، چاپ کتاب های کاغذی، نوت بوک های سخت افزاری، چاپ کتاب های جعلی، چاپ کتاب چاپی، چاپ بروشور، جعبه بسته بندی، تقویم، انواع PVC، بروشورهای محصول، یادداشت ها، کتاب کودکان، برچسب ها، همه انواع کاغذهای رنگی خاص، کارتهای بازی و غیره.
برای اطلاعات بیشتر مراجعه کنید به
http://www.joyful-printing.com. ENG فقط
http://www.joyful-printing.net
http://www.joyful-printing.org
ایمیل: info@joyful-printing.net
اولین. معرفی
همجوشی تصویر تلفیقی از اطلاعات تصویری است که توسط دو یا چند سنسور بدست می آید تا تصویر دقیق تر و غنی تر را شکل دهند. همجوشی تصویر به سه سطح از پایین به بالا تقسیم می شود: همجوشی سطح پیکسل، همجوشی سطح و هماهنگ سازی سطح تصمیم گیری. تبدیل موجک روش معمولی در ترکیب تصویر است. تحقيق نشان می دهد که تبديل موجک روش روش بازيابی مطلوب در موارد با ابعاد بزرگ نيست. محققان به منظور نشان دادن و پردازش داده های فضایی ابعادی مانند تصاویر، به طور موثر تر، مجموعه ای از ابزارهای تجزیه و تحلیل هندسی چندگانه مانند Ridgelet، Curvelet، Banlet، Contourlet و Contourlet را پیشنهاد کرده اند. روش های پیشنهادی پایه و اساس برای ساخت روش های همجوشی بیشتر و کارآمد در زمینه همجوشی تصویر است.
تبدیل موجک و تبدیل کانتور دو ابزار اصلی و رایج برای ترکیب تصویر است. تبدیل موجک در هر دو تئوری و عملی کاربرد دارد. این همواره یک ابزار مشترک برای همجوشی تصویر است، اما تنها می تواند اطلاعات را در سه جهت بدست آورد: افقی، عمودی و مورب. تبدیل Contourlet می تواند برای محدودیت جهت هدایت موجک جبران کند و اطلاعات را در هر جهت تصویر بدست آورد. در همان زمان، تبدیل موجک و تبدیل Contourlet پردازش تصویر به روش مشابه است، یعنی تصویر به فرکانس پایین و قطعات فرکانس بالا تجزیه می شود، و همگام سازی تصویر در فرکانس پایین و به ترتیب فرکانس بالا انجام می شود. بنابراین، تبدیل موجک و تبدیل کانتوره می تواند برای بهبود عملکرد تصویر ترکیب شود.
پژوهش همجوشی تصویر نه تنها شامل تحقیق الگوریتم ها بلکه تحقیق در مورد قوانین همجوشی است. قوانین فیوژن در حال حاضر به طور کلی قوانین فیوژن منطقه (یا پنجره) را انتخاب می کنند. از آنجا که فرکانس پایین عمدتا اطلاعات انرژی تصویر را نشان می دهد، و فرکانس بالا اطلاعات مرزی تصویر را نشان می دهد، یعنی درجه تغییر. این واریانس همچنین نشان دهنده تغییر کلی بین پیکسل های تصویر است. بنابراین، در این مقاله، روش همجوشی انتخاب میانگین وزنی واریانس منطقه ای در بخش فرکانس بالا انتخاب شده است.
دوم، تبدیل موجک-کانتوره
1. تبدیل موجک
در سال 1989، با الگوریتم الگوریتم تجزیه تصویر بورت و ادلسون و الگوریتم بازسازی هرم (الگوریتم هرم هرتز گاوس-لاپلاس) الهام گرفته شده، مولات چندین مقیاس ایده های تحلیل در زمینه دید کامپیوتر را به تجزیه و تحلیل ویولت معرفی کرد. مفهوم تجزیه و تحلیل رزولوشن توسط الگوریتم سریع Mallat داده می شود.
الگوریتم دو بعدی الگوی Mallat می تواند به صورت زیر بیان شود:
در فرمول، اجزای کم فرکانس در وضوح فضایی به ترتیب مولفه های فرکانس بالا در جهت افقی، عمودی و مورب در تفکیک فضایی است. به عنوان یک مجموعه ای از اعداد صحیح، آن یک فیلتر conjugate آینه است.
تغییر شکل 2.Contain
از آنجا که تبدیل موجک تصویر اطلاعات را به خوبی نشان نمی دهد. در سال 2002 Do و Vetterli پیشنهاد Contourlet را پیشنهاد دادند. تبدیل Contour یک روش نمایشی تصویر چند منظوره، محلی و جهت است. این می تواند اطلاعات را در هر جهت ارائه کند و یک تصویر دو بعدی تصویری است. تبدیل Contourlet از یک کانال فیلتر دو کاناله استفاده می کند که تصویر را در دو مرحله پردازش می کند:
2.1. هرپارام لاپلسی (LP) برای تجزیه تصویر ورودی مورد استفاده قرار می گیرد. تجزیه LP شامل چهار مرحله است: فیلتر کردن کم پاس، نمونه برداری کم، تقویت اینترپالاسیون و فیلتر کردن باند عبور. تجزیه LP در ادامه فرکانس های پایین فرکانس، فرکانس پایین و فرکانس های فرکانس بالا را در طیف وسیعی از مقیاس های مختلف ارائه می دهد.
2.2 تحليل جهتي در بانك فیلتر فركانسي فركانس بالا به دست آمده از تجزيه LP انجام شده است. هدف از بانک فیلترینگ جهت دستیابی به اطلاعات فرکانس هدایت تصویر است و نقاط تکین را در همان جهت به یک ضریب ترکیب می کند.
بانک فیلتری جهتدار، ساختار سطح درخت را تجزیه می کند و دامنه فرکانس را به زیر باند تقسیم می کند، که هر کدام از آنها یک شکل گوه است. روش ابتدا با استفاده از فن فیلتر نشان داده شده در شکل 1 و پنج فیلتر نمونه گیری برای تجزیه تصویر ورودی به دو زیر باند افقی و عمودی، و سپس باند اپراتور resampling برش را معرفی می کند.
شکل 1 فیلتر بانک (فیلتر فن و پنج فیلتر نمونه گیری)
شکل 1، پنج ماتریس نمونه گیری را نشان می دهد، و بخش سکتور سیاه نشان دهنده تجزیه دامنه فرکانس ایده آل برای هر فیلتر می باشد.
3. تبدیل موجک Contourlet
تجزیه LP که در مرحله اول تبدیل Contourlet استفاده می شود، بیش از حد است و نتیجه 4/3 تغییر شکل Contourlet را ایجاد می کند. علاوه بر این، عدم همبستگی تجزیه LP نیز به خوبی به عنوان تبدیل موجک نیست. در پاسخ به مشکلات بالا، اسلامي رضا و رادشاه H پيشنهاد تبديل ويولت کانورتاله را پيشنهاد دادند. تبدیل موجک-کانتوره از یک بانک فیلتر دو مرحلهای تشکیل شده است. مرحله اول با تبدیل موجک تجزیه می شود تا مولفه های با فرکانس بالا تصویر را بدست آورد، بنابراین ارتباط اطلاعات جزئی زیر فضای کاهش می یابد. مرحله دوم از بانک فیلتر فیلتر جهت دار استفاده می کند. زیربناها در تمام جهات فرکانس بالا به دست می آید. همانطور که در شکل 2 نشان داده شده است:
سوم، بر اساس انتخاب واریانس الگوریتم همجوشی متوسط
مراحل الگوریتم تلفیقی داده شده در این مقاله به شرح زیر است:
1 اجرای ویولت-کانورتور را در تصویر تار شده سمت چپ و تصویر تاری سمت راست به ترتیب، و بدست آوردن قسمت فرکانس پایین و قسمت فرکانس بالا تصویر منبع؛
2 بخش فرکانس کم از یک قانون ساده همجوشی با وزن ساده استفاده می کند.
پس از تصویر توسط wavelet-Contourlet تبدیل می شود، ضریب های با فرکانس پایین عمدتا بیشترین انرژی تصویر اصلی را تشکیل می دهند که نمای کلی تصویر را تعیین می کند. در این مقاله، ما از قوانین فیوژن متوسط وزن برای ضرایب زیر باند فرکانس پایین استفاده می کنیم.
3 بخش فرکانس بالا، قاعده همجوشی انتخاب واریانس را به طور میانگین در نظر می گیرد.
پس از تصویر توسط wavelet-Contourlet، ضریب فرکانس بالا عمدتا جزئیات و اطلاعات لبه تصویر را شامل می شود. هر ضریب زیر باند فرکانس بالا حاوی ویژگی های جهت دار است. در این مقاله، یک الگوریتم فیوژن بر اساس میانگین سازگاری واریانس تصویب شده است. قوانین همجوشی به شرح زیر است:
اول، لایه های تجزیه ای از فرکانس های فرعی زیر تصاویر تصویر تار شده سمت چپ و تصویر تار شده سمت راست بدست می آیند و واریانس های محلی پیکسل های مربوطه در جهت های مختلف به ترتیب ضبط می شوند:. فرمول (2) را برای فرمول ببینید:
سپس آن را عادی کنید:
تعریف آستانه: این مقاله شبیه سازی را انجام می دهد. سپس وجود دارد:
به ترتیب، به ترتیب، نشان دهنده مقادیر پیکسل تصویر، تصویر و تصویر مخلوط شده در لایه و جهت تجزیه شده است. از معادلات (5) و (6) می توان دید که هنگامی که ارزش واریانس محلی تصاویر عادی شده A و B بزرگ است، به این معنی است که یک تصویر حاوی جزئیات اطلاعات لبه غنی است، در حالی که تصویر دیگری حاوی اطلاعات جزئی کم لبه ، مقدار پیکسل با واریانس محلی بزرگتر به عنوان ضریب همجوشی انتخاب شده است؛ هنگامی که دو تصویر به طور نرمال، واریانس محلی نزدیک است، نشان می دهد که هر دو تصاویر حاوی جزئیات اطلاعات لبه غنی است. برای تعیین ضریب موجک پس از فیوژن از الگوریتم همجوشی به طور متوسط استفاده می شود. این ویژگی های مفصل تصویر را حفظ می کند و درنتیجه از از دست دادن اطلاعات جلوگیری می کند.
4 یک تبدیل معکوس موجک - Contourlet را برای بدست آوردن تصویر ناپیوسته نهایی انجام دهید.
فرایند خاص در شکل 3 نشان داده شده است.
شکل 3 شکل بلوک فیوژن تصویر تبدیل شکل موج
چهارم، ادغام شاخص های ارزیابی و تجزیه و تحلیل نتایج تجربی
برای بررسی اثربخشی الگوریتم پیشنهاد شده، تحت قوانین همجوشی مشابه، با تبدیل تبدیل موجک و تبدیل کانتوره مقایسه شده است. تصویر با استفاده از موجک db5 تجزیه و بازسازی می شود. آستانه به عنوان 0.6 گرفته شده است.
به منظور عینیت ارزیابی تصویر ذوب شده، یک تصویر سیاه و سفید شفاف به عنوان تصویر مرجع انتخاب شد. آنتروپی متقاطع، انحراف و فرکانس فضایی تصویر ذوب و تصویر مرجع به عنوان معیارهای عینی برای ارزیابی جوانب مثبت و منفی اثر فیوژن استفاده می شود.
1. انتروپی صلیب
انتروپی متقاطع تصویر ذوب شده و تصویر مرجع استاندارد به صورت زیر تعریف می شود:
در معادله (7)، مجموع احتمال امتداد مقادیر خاکستری است. سطح خاکستری کل تصویر. آنتروپی صلیب، همچنین به عنوان آنتروپی نسبی شناخته شده است، یک شاخص کلیدی برای ارزیابی تفاوت بین دو تصویر است. کوچکتر آنتروپی متقاطع، کوچکتر تفاوت بین شرح و مجموع، اطلاعات بیشتر از آن استخراج شده است، به این معنی که اثر ادغام تصویر بهتر است.
2. انحراف
انحراف و تعریف شده است:
در فرمول (8)، مقادیر تساوی مجموع به ترتیب نشان داده شده است. مقدار انحراف نشان دهنده تفاوت از مقدار خاکستری است. انحراف کوچکتر، اثر فیزیکی بهتر است.
3. فرکانس فضایی
فرکانس فضایی تصویر:
(9) فرکانس خط تصویر است، و فرمول محاسبه آن در (10) نشان داده شده است:
(9) فرکانس ستون تصویر است و فرمول محاسبه آن همانطور که در (11) نشان داده شده است:
فرمول بالا نشان دهنده مقدار خاکستری در موقعیت پیکسل است و نشان دهنده تعداد خطوط و تعداد ستون های تصویر است.
فرکانس فضایی یک تصویر یک شاخص مربوط به واریانس است که منعکس کننده فعالیت کلی یک حوزه فضایی تصویر است. فرکانس فضایی بزرگتر، تصویر فعال تر، تصویر واضح تر و بهتر اثر تصویر ترکیب می شود.
شکل 4 نتایج آزمایش همجوشی را نشان می دهد. شکل 4 (a) تصویر مرجع استاندارد است؛ شکل 4 (b) تصویری است که توسط فیلتر گاوسی در سمت چپ جفت شده و شکل 4 (c) تصویری است که توسط فیلتر گاوسی در سمت راست سمت. شکل 4 (d) تصویر متحرک پس از تبدیل موجک است، شکل 4 (الف تصویر پس زمینه پس از تبدیل Contourlet است، و شکل 4 (f) تصویر تلف شده پس از تبدیل موجک Contourlet است.
(الف) تصویر مرجع استاندارد ب) تصویر ناهموار در سمت چپ (ج) تصویر ناهموار در سمت راست
(d) انتخاب میانگین موج (e) انتخاب انتخاب کانتور (f) متوسط انتخاب ویولت-کانورتور
داده های ارزیابی عملکرد سه تغییر برای همجوشی در جدول 1 نشان داده شده است.
جدول 1 تجزیه و تحلیل داده های مقایسه عملکرد سه تبدیل تبدیل
از جدول 1 دیده می شود که در مقایسه با تبدیل موجک، تبدیل شکل موجک، فرکانس فضایی را با 11.27٪ افزایش می دهد، انحراف 10.84٪ پایین تر از تبدیل موجک است، و انتروپی متقاطع 23.81٪ پایین تر از موجک است تبدیل.
تبدیل موجک-کانتوره تقریبا با فرکانس مکانی نسبت به تبدیل Contourlet تقریبا یکسان است. انحراف 1.91٪ کمتر از تبدیل Contourlet است و آنتروپی متقابل 11.11٪ پایین تر از تبدیل Contourlet است. بنابراین، با توجه به شاخص های ارزیابی، اثربخشی الگوریتم پیشنهادی تایید شده است.
نتیجه گیری
در این مقاله، یک الگوریتم بهبود یافته برای انتخاب میانگین وزنی واریانس های منطقه ای برای ضرایب با فرکانس بالا پیشنهاد شده است و پردازش میانگین وزن با استفاده از فرکانس های پایین مورد استفاده قرار می گیرد. آزمایشات نشان می دهد که الگوریتم پیشنهادی می تواند به راحتی جزئیات و اطلاعات لبه تصویر را به دست آورد. بر طبق داده های تجربی، انحراف و انتروپی متقاطع تبدیل موجک-کانتوره کمتر از تغییر شکل موجک و تبدیل کانتور است.
بنابراین، تحت یک قانون همجوشی، الگوریتم همجوشی تصویر بر اساس تبدیل موجک-کانتوره و میانگین وزنی واریانس منطقه می تواند نتایج بهتر را نسبت به تبدیل موجک و الگوریتم تلفیق تبدیل کانتوره دریافت کند.

