DOI: https://doi.org/10.33577/2312-4458.22.2020.20-31

Комплексування зображень з видимого та тепловізійного каналів у формі комплексної функції

Y. Y. Khaustov, D. Y. Khaustov, Y. V. Ryzhov, Е. I. Lychkovskyy, Y. A. Nastishin

Анотація


У даній роботі ми пропонуємо алгоритм комплексування парціальних зображень, отриманих з видимої та інфрачервоної камер у формі комплексної функції, що є простим у використанні та невимогливим до потужностей сучасної електронно-обчислювальної техніки. Алгоритм комплексування зображень через комплексну функцію є узагальненням алгоритму додавання зображень так само, як додавання комплексних чисел є узагальненням додавання дійсних чисел. Однією з переваг запропонованого алгоритму комплексної функції є те, що кілька зображень з двох каналів сортуються та комплексуються окремо, скажімо, за алгоритмом вагового додавання, а потім ці два комплексованих зображення з двох каналів використовуються для формування амплітудного чи фазового зображення. Комплексна форма комплексованого зображення відкриває можливість сформувати комплексоване зображення як амплітудне зображення або як фазове зображення, яке, у свою чергу, може бути в декількох формах. Ми показуємо, що через те, що локальні контрасти часткових візуальних та інфрачервоних зображень мають протилежні ознаки, локальний контраст комплексованого фазового зображення є сумою абсолютних значень локальних контрастів парціальних зображень, тоді як локальний контраст комплексованого зображення, отриманого за алгоритмом простого додавання, − це різниця між локальними контрастами відповідних парціальних зображень. Таким чином, локальний контраст комплексованого фазового зображення вищий, ніж у парціальних зображень, а також у порівнянні із зображеннями, комплексованими за допомогою алгоритмів простого або вагового додавання. Через протилежні знаки контрастів видимих та інфрачервоних зображень контраст зображення, комплексованого за алгоритмом простого додавання, може занулитись, тоді як алгоритм комплексної функції не має такого недоліку. Теоретичні висновки підкріплені комп’ютерним моделюванням в середовищі Mathematica, а також на прикладах комплексування реальних видимих та інфрачервоних зображень за допомогою запропонованого алгоритму комплексної функції та алгоритму простого додавання.

Ключові слова


цифрова обробка зображень; комплексування зображень; тепловізійне бачення; оцінка якості зображення

Повний текст:

PDF (English)

Посилання


Castanedo F. A Review of Data Fusion Techniques / F. Castanedo // The ScientificWorld Journal. ¬ 2013. ¬ 19р. Article ID: 70450, DOI: http://dx.doi.org/10.1155/2013/ 704504

Khaustov Ya.Ye. Image fusion for a target sightseeing system of armored vehicles / Ya.Ye. Khaustov, D.Ye. Khaustov, Е. Lychkovskyy, Ye. Ryzhov, Yu.A. Nastishin // Development and modernization military equipment. Military Technical Collection – Lviv, 2019. ¬ no. 21 ¬ P. 28¬37. DOI: https://doi.org/10.33577/2312-4458.21.2019.28-37 .

Kong W. Adaptive fusion method of visible light and infrared images based on non-subsampled shearlet transform and fast non-negative matrix factorization / W. Kong, Y. Lei, H. Zhao // Infrared Physics & Technology. ¬ 2014. ¬ vol. 67. ¬ P. 161–172. DOI: http://dx.doi.org/10.1016/j.infrared. 2014. 07.019

Ma J. Infrared and visible image fusion via gradient transfer and total variation minimization / J. Ma, Ch. Chen, Ch. Li, J. Huang // Information Fusion. ¬ 2016. ¬ vol. 31. ¬ P. 100–109. DOI: http://dx.doi.org/10.1016/j.inffus.2016.02. 001

Ma J. FusionGAN: A generative adversarial network for infrared and visible image fusion / J. Ma, W. Yu, P. Liang, Ch. Li, J. Jiang // Information Fusion. ¬ 2019. ¬ vol. 48. ¬ P. 11-26. DOI: https://doi.org/10.1016/j.inffus. 2018.09.004

Ma J. Infrared and visible image fusion via detail preserving adversarial learning / J. Ma, P. Liang, W. Yu, Ch. Chen, X. Guo, J. Wu, J. Jiang // Information Fusion. ¬ 2020. ¬ vol. 54. ¬ P. 85-98. DOI: https://doi.org/10.1016/j. inffus.2019.07.005

Ma J. Infrared and visible image fusion methods and applications: A survey / J. Ma, Y. Ma, C. Li // Information Fusion. ¬ 2019. ¬ vol. 45. ¬ P. 153-178. DOI: https://doi.org/ 10.1016/j.inffus.2018.02.004

Zitova B. Image Registration Methods: A survey / B. Zitova, J. Flusser // Image and Vision Computing. ¬ 2003. ¬ vol. 21. ¬ P. 977-1000. DOI: https://doi.org/10.1016/S0262-8856(03)00137-9

Gonzalez R.C. Digital Image Processing / C. Gonzalez, R. E. Woods and S. L. Eddins. ¬ Pearson Education, 2003. ¬ 976p.

Jolliffe I.T., Principal Component Analysis, 2nd ed. / I.T. Jolliffe. ¬ Springer-Verlag, Berlin, Germany, 2002 ¬ 518p. ¬ ISBN 0-387-95442-2.

Markushevich A.I. Theory of functions of a complex variable, 2nd ed. (3 vol. set) / A. I. Markushevich.¬American Mathematical Society, 2017. ¬ 1138p.

Wolfram S. The Mathematica Book: 5th ed. / S. Wolfram. ¬ New York : Wolfram Media, 2005. ¬ 1486p.

Shannon C.E. A mathematical theory of communication / C.E. Shannon // The Bell System Technical Journal. ¬1948. ¬ vol. 27. ¬ P. 379–423. DOI: https://doi.org/ 10.1002/j.1538-7305.1948.tb01338.x

Huang G. Visual and infrared dual-band false color image fusion method motivated by Land’s experiment / G. Huang, G. Ni, B. Zhang // Optical Engineering. ¬2007. ¬ vol. 46(2). DOI: https://doi.org/10.1117/1.2709851


Метрики статей

Завантаження метрик ...

Metrics powered by PLOS ALM


Copyright (c) 2020 Y. Y. Khaustov, D. Y. Khaustov, Y. V. Ryzhov, Е. I. Lychkovskyy, Y. A. Nastishin

ISSN (Online): 2708-5228, ISSN (Print): 2312-4458 © Національна академія сухопутних військ імені гетьмана Петра Сагайдачного, 2009-2020.