אלגוריתם פיוז 'ן משופר

אלגוריתם פיוז 'ן משופר

אנחנו חברת הדפסה גדולה שנזן בסין. אנו מציעים את כל פרסומי הספר, הדפסת ספרים בכריכה קשה, הדפסת נייר בכריכה קשה, מחברת של כריכה קשה, הדפסת ספר ספריאל, הדפסת ספרים, הדפסת חוברת, תיבת אריזה, לוחות שנה, כל מיני PVC, חוברות מוצר, פתקים, ספר ילדים, מדבקות סוגים של נייר מיוחד נייר הדפסת מוצרים, cardand משחק הלאה.

לקבלת מידע נוסף, בקר בכתובת

http://www.joyful-printing.com. ENG בלבד

http://www.joyful-printing.net

http://www.joyful-printing.org

דוא"ל: info@joyful-printing.net

ראשון. מבוא

תמונה היתוך הוא סינתזה של מידע על התמונה המתקבל על ידי שני חיישנים או יותר כדי ליצור תמונה מדויקת יותר עשירה. תמונה היתוך מחולק לשלוש רמות מ נמוך עד גבוה: היתוך ברמה פיקסל, היתוך ברמה תכונה ואיחוי ברמת ההחלטה. Wavelet המרה היא שיטה נפוץ מיזוג תמונה. מחקרים מראים כי המרה אדוה היא לא שיטת ייצוג פונקציה אופטימלי במקרים ממדי גבוה. על מנת לייצג בצורה יעילה יותר ולעבד נתונים מרחביים מימדיים כגון תמונות, החוקרים הציעו סדרה של כלים בקנה מידה רב גיאומטרי ניתוח כגון Ridgelet, Curvelet, Bandelet, Contourlet ו Wavelet-Contourlet. השיטות המוצעות מניחות את הבסיס לבניית שיטות פיוז'ן יעילות ויעילות יותר בתחום של מיזוג תמונה.

המרה Wavelet ו Contourlet להפוך שני כלים עיקריים נפוץ עבור מיזוג תמונה. התמרת ה- Wavelet היא בוגרת הן בתיאוריה והן ביישומים מעשיים. זה תמיד היה כלי נפוץ עבור היתוך תמונה, אבל זה יכול רק לקבל מידע בשלושה כיוונים: אופקי, אנכי ואלכסון. התמרת קונטור יכול לפצות על סופיות של כיוון המרה גלגל ולקבל מידע בכל כיוון של התמונה. באותו הזמן, להפוך את הגלגל ואת קונטור להפוך את התמונה בצורה דומה, כלומר, התמונה מפורקת לתדר נמוך חלקי תדר גבוה, ואת היתוך תמונה מבוצעת בתדירות נמוכה בתדירות גבוהה בהתאמה. לכן, המרה wavelet ו Contourlet להפוך ניתן לשלב כדי לשפר את הביצועים של התמונה.

המחקר של מיזוג תמונה לא רק כולל את המחקר של אלגוריתמים, אלא גם את המחקר של הכללים היתוך. כללי פיוז'ן עכשיו בדרך כלל לבחור כללי פיוז'ן אזור (או חלון). בגלל התדר הנמוך משקף בעיקר את המידע האנרגיה של התמונה, ואת התדירות הגבוהה משקף את המידע הגבול של התמונה, כלומר, את מידת השינוי. השונות משקפת גם את השינוי הכולל בין פיקסלים לתמונות. לכן, במאמר זה, שיטת ההיתוך של בחירת הממוצע המשוקלל של השונות האזורית נבחרה בחלק התדר הגבוה.

שנית, את הגלגל- Contourlet להפוך

1. המרה גל

בשנת 1989, בהשראתם של אלגוריתם הפיירמידה של גאוס-לפלאס, הציג מאלאט רעיונות אנליזה רב-תחומיים בתחום ראיית המחשב לניתוח אדוה. הרעיון של ניתוח רזולוציה ניתן על ידי אלגוריתם מהיר Mallat.

אלגוריתם Malat דו מימדי יכול לבוא לידי ביטוי כמו:

בנוסחה, מרכיבי התדר הנמוך ברזולוציה המרחבית הם בהתאמה רכיבים בהתאמה גבוהה בכיוון אופקי, אנכי, אלכסוני ברזולוציה מרחבית. כמו קבוצה של מספרים שלמים, זה מסנן מצמד המראה.

2.Contourlet להפוך

מאז השינוי גלילה אינו מייצג את הכיוון של התמונה של התמונה היטב. ב -2002 הציעו דו וטרלי את השינוי בקונטורלט. התמרת קונטורלט היא שיטת ייצוג תמונה רב-כיוונית, מקומית ו כיווני. הוא יכול לספק מידע בכל כיוון והוא ייצוג דליל של תמונה דו מימדית. התמרת ה- Contourlet משתמשת בבנק סינון שני ערוצים המעבד את התמונה בשני שלבים:

2.1 הפירמידה Laplacian (LP) משמשת לפרק את תמונת הקלט. פירוק LP מורכב מארבע שלבים: סינון נמוך לעבור, דגימה למטה, הגברה אינטרפולציה, ואת הלהקה לעבור סינון. המשך פירוק LP של תת התדרים הנמוכים מניב תדירות נמוכה ותת-תדרים על מגוון רחב של קשקשים שונים.

2.2 ניתוח כיווניות מבוצעת על בנק מסנן תדירות גבוהה המתקבל על ידי פירוק LP. מטרתו של בנק המסנן כיוונית היא ללכוד את המידע כיוונית תדר גבוה של התמונה לשלב את נקודות יחיד באותו כיוון לתוך מקדם אחד.

בנק המסנן הכיווני מפרק את מבנה העץ של התמונה, ומפרק את תחום התדרים אל תת-להקות, שכל אחת מהן מעוצבת בצורת טריז. השיטה הראשונה משתמשת במסנן המאוורר שמוצג באיור 1 וחמישה מסנני דגימה כדי לפרק את תמונת הקלט לשתי להקות משנה, אופקי ואנכי, ולאחר מכן מציג את הלהקה resampling גזירה הלהקה.

איור 1 מסנן הבנק (מסנן מאוורר וחמישה מסנני דגימה)

איור 1 מייצג חמש מטריצות דגימה, ואזור המגזר השחור מייצג את הפירוק מושלם תחום תדר עבור כל מסנן.

3. Wavelet-Contourlet להפוך

הפירוק LP המשמש בשלב הראשון של קונטורל המרה הוא מיותר, וכתוצאה מכך יתירות 4/3 של קונטורל להפוך. בנוסף, דה-קורלציה של פירוק LP הוא גם לא טוב כמו המרה אדוה. בתגובה לבעיות לעיל, Eslami R ו Radha H הציע המרה wavelet-Contourlet. ההמרה wavelet-Contourlet מורכב בנק מסנן דו שלבי. השלב הראשון הוא decomposed על ידי המרה גלולה כדי לקבל את התדירות גבוהה מרכיבי התמונה, ובכך להפחית את המתאם של מידע פרט החלל. השלב השני משתמש בבנק המסנן הכיווני. תת-זרועות בכל הכיוונים בתדר גבוה מתקבלות. כפי שמוצג באיור 2:

שלישית, בהתבסס על בחירה שונות אלגוריתם היתוך ממוצע

השלבים של אלגוריתם היתוך הניתן במאמר זה הם כדלקמן:

1 ביצוע wavelet-Contourlet להפוך על התמונה מטושטשת שמאל ואת התמונה מטושטשת הנכון בהתאמה, וקבלת חלק תדירות נמוכה ואת החלק תדירות גבוהה של תמונת המקור;

2 החלק תדירות נמוכה משתמש פשוט משוקלל כלל פיוז 'ן משוקלל.

לאחר שהדימוי משתנה על-ידי wavelet-Contourlet, מקדמי התדרים הנמוכים בעיקר מרוכזים את מרבית האנרגיה של התמונה המקורית, הקובעת את הסקירה הכללית של התמונה. במאמר זה, אנו משתמשים כלל ממוצע פיוז 'ן משוקלל עבור מקדמי subband נמוך תדר.

3 החלק התדר הגבוה מאמץ את כלל ההיתוך של הממוצע המשוקלל של בחירת השונות.

לאחר התמונה משתנה על ידי wavelet-Contourlet, מקדם תדר גבוה מכיל בעיקר את הפרטים ואת המידע קצה של התמונה. כל מקדם תת-תדר בתדירות גבוהה מגלם את המאפיינים הכיוונים. במאמר זה, אלגוריתם היתוך המבוסס על מיצוב הבחירה השונות הוא אימץ. כללי ההיתוך הם כדלקמן:

ראשית, שכבות הפירוק של תדירות גבוהה בתמונות משנה של התמונה בצד שמאל מטושטשת ואת התמונה בצד ימין מטושטשת מתקבלים, ואת השונות המקומית של הפיקסלים המתאימים בכיוונים בהתאמה נרשמות בהתאמה:. ראה נוסחה) 2 (לנוסחה:

ואז לנרמל את זה:

הגדרת סף: מאמר זה לוקח את הסימולציה. אז יש:

כאשר, בהתאמה, מייצגים ערכים פיקסל של התמונה התמזגו, התמונה, ואת התמונה בשכבה מפורקת וכיוון. ניתן לראות במשוואות (5) ו- (6) שכאשר ערכי השונות המקומית של התמונות המנורמלות A ו- B גדולות, המשמעות היא שתמונה אחת מכילה מידע מפורט על קצה קצה, בעוד שהתמונה השנייה מכילה מידע מפורט פחות , ערך הפיקסל עם שונות מקומית גדולה יותר נבחר כמקטע התמזגו; כאשר שתי התמונות מנורמל, השונות המקומית היא קרובה, המציין כי שתי התמונות מכילים מידע בפירוט עשיר קצה. האלגוריתם הממוצע המשוקלל של הפיוזון משמש לקביעת מקדמי האידוי לאחר ההיתוך. זה משמר את התכונות המפורטות של התמונה, תוך הימנעות אובדן מידע.

4 לבצע המרה הפוך קוורלט הפוך כדי לקבל את התמונה התמזגו הסופי.

התהליך הספציפי מוצג באיור 3.

איור 3 איור 3. Wavelet-Contourlet להפוך את התמונה פיוזון לחסום דיאגרמה

רביעית, שילוב של מחוונים הערכה וניתוח של תוצאות הניסוי

על מנת לאמת את האפקטיביות של האלגוריתם המוצע, תחת אותם כללי היתוך, הוא בהשוואה עם המרה גליל ו Contourlet להפוך. התמונה מפורקת ומשוחזרת באמצעות אדוה db5. הסף נלקח 0.6.

על מנת להעריך באופן אובייקטיבי את התמונה התמזגו, תמונה ברורה grayscale נבחר כתמונת התייחסות. האנטרופיה הצולבת, החריגה והתדירות המרחבית של התמונה המתמזגת ותמונת הייחוס משמשות כקריטריונים אובייקטיביים להערכת היתרונות והחסרונות של אפקט ההיתוך.

1. חוצה אנטרופיה

האנטרופיה הצולבת של התמונה המתמזגת ותמונת הייחוס הסטנדרטית מוגדרת כ:

במשוואה (7), הסכום הוא ההסתברות לסכום הערכים האפורים. רמת האפור הכוללת של התמונה. האנטרופיה הצולבת, הידועה גם בשם אנטרופיה יחסית, היא אינדיקטור מרכזי להערכת ההבדל בין שתי תמונות. ככל שהאנטרופיה הצולבת קטנה יותר, כך ההפרש בין התיאור לסכום קטן יותר, כך נוטלים ממנו מידע רב יותר, כלומר, ההשפעה של מיזוג התמונה טובה יותר.

2. סטייה

החריגה של ומוגדרת כ:

בנוסחה (8), ערכי ההסתברות של הסכום מסומנים בהתאמה. גודל החריגה מייצג את ההפרש מהערך האפור. ככל שהסטייה קטנה יותר, כך טוב יותר אפקט ההיתוך.

3. תדר מרחבי

התדר המרחבי של התמונה הוא:

(9) היא תדירות הקו של התמונה, ואת הנוסחה החישוב שלה מוצג ב (10):

(9) היא תדירות העמודה של התמונה, ונוסחת החישוב שלה היא כפי שמוצג ב (11):

הנוסחה לעיל מייצגת את הערך האפור במיקום הפיקסל, ומייצגת את מספר השורות ואת מספר העמודות של התמונה, בהתאמה.

התדר המרחבי של הדימוי הוא אינדיקטור הקשור לשונות, המשקף את הפעילות הכוללת של תחום מרחבי של תמונות. ככל שהתדר המרחבי גדול יותר, כך התמונה פעילה יותר, התמונה ברורה יותר, וככל שתמונה טובה יותר.

איור 4 מציג את התוצאות של הניסוי היתוך. איור 4 (א) הוא תמונת ההתייחסות הסטנדרטית, איור 4 (ב) הוא התמונה להיות התמזגו על ידי מסנן גאוס בצד שמאל, איור 4 (ג) היא התמונה להיות התמזגו על ידי מסנן גאוס בצד ימין צד. איור 4 (ד) הוא תמונה התמזגו לאחר הפיכת גלגל, איור 4 (ה) הוא תמונה התמזגו לאחר קונטורטר להפוך, איור 4 (f) היא תמונה התמזגו לאחר wavelet-Contourlet להפוך.

(א) תמונת ייחוס סטנדרטית (ב) תמונה מטושטשת להתמזגות בצד שמאל (ג) תמונה מטושטשת שתתמזג בצד ימין

) ד בחירת ממוצע גלילה (e) בחירת קונטור ממוצע (f) בחירת קוולטורלט ממוצע

נתוני הערכת הביצועים של שלושת הטרנספורמציות לאיחוי מוצגים בטבלה 1.

טבלה 1 השוואת ביצועים נתוני ניתוח של שלושה התמזגויות פיוז'ן

ניתן לראות מטבלה 1, כי בהשוואה להמרה של גל אדים, השינוי בקונטור הגלגל מגדיל את התדר המרחבי ב -11.27%, הסטייה נמוכה ב -10.84% מההשפעה, והאנטרופיה הנגדית נמוכה ב -23.81% מה- wavelet שינוי צורה.

ההמרה של גליל-קונטורלט זהה כמעט לתדר המרחבי בהשוואה להמרה של קונטור. החריגה נמוכה ב -1.91% מההמרה של קונטור, והאנטרופיה הצולבת נמוכה ב -11.11% מההמרה של קונטור. לכן, בהתחשב במדדי ההערכה, האפקטיביות של האלגוריתם המוצע מאומתת.

V. סיכום

במאמר זה, מוצע אלגוריתם משופר לבחירת הממוצע המשוקלל של שונות אזורית עבור מקדמי תדר גבוה, ועיבוד ממוצע משוקלל משמש לתדרים נמוכים. ניסויים מראים כי האלגוריתם המוצע יכול בקלות רבה יותר לקבל את הפרטים ואת קצה המידע של התמונה. על פי נתוני הניסוי, החריגה והאנטרופיה הצולבת של התמרת ה- wavelet-Contourlet נמוכות יותר מאלו של התמרת הגליל ושל התמרת קונטור.

לכן, תחת אותו כלל היתוך, אלגוריתם היתוך תמונה המבוסס על גלגל- Contourlet להפוך את הממוצע המשוקלל של השונות האזור יכול להשיג תוצאות טובות יותר מאשר לשנות את הגלגל ואת קונטורל להפוך אלגוריתם היתוך.