Multi-focus Image Fusion Using an Effective Discrete Wavelet Transform Based Algorithm

Yang, Yong; Huang, Shuying; Gao, Junfeng; Qian, Zhuzhong

doi:10.2478/msr-2014-0014

Cited by 60 publications

(32 citation statements)

References 24 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…En algunos otros trabajos se propone tratar el problema como un proceso de optimización para el cálculo de los pesos que se asocian a cada píxel de las imágenes Garnica, 2014) y (Calderon et al, 2016). En otros trabajos se propone usar la transformada Wavelet para determinar las regiones de cada imagen que deben conformar la imagen final (Li et al, 1995;Zhang and Blum, 1999;Pajares and de la Cruz, 2004;Shi et al, 2005;Li and Yang, 2008a;Malviya and Bhirud, 2009;Li et al, 2010;Tian and Chen, 2010;Yang, 2011;Shah et al, 2013;Yang et al, 2014).…”

Section: Antecedentesunclassified

See 1 more Smart Citation

Fusión de Imágenes Multi-Foco con Ventanas Variables

Calderón

Garnica-Carrillo

Flores

2018

Rev. iberoam. autom. inform. ind.

View full text Add to dashboard Cite

ResumenEn este artículo presentamos el Algoritmo Combinación Lineal de Imágenes con Ventanas Variables (CLI-VV) para la fusión de imágenes multi-foco. A diferencia del Algoritmo CLI-S presentado en un trabajo anterior, el algoritmo CLI-VV permite determinar automáticamente el tamañoóptimo de la ventana en cada píxel para la segmentación de las regiones con la mayor nitidez. También presentamos la generalizado el Algoritmo CLI-VV para la fusión de conjuntos de imágenes multi-foco con más de dos imágenes. A este nuevo algoritmo lo denominamos Fusión Multi-foco con Ventanas Variables (FM-VV). El Algoritmo CLI-VV se probó con 21 pares de imágenes sintéticas y 29 pares de imágenes multi-foco reales, y el Algoritmo FM-VV sobre 5 tríos de imáge-nes multi-foco. En todos los ejemplos se obtuvo un porcentaje de acierto competitivos, producidos en tiempos de ejecución menores a los reportados en la literatura. Palabras Clave: Fusión de imágenes multi-foco, Ventanas deslizantes, Imágenes integrales Multi Focus Image Fusion with variable size windows AbstractIn this paper we present the Linear Image Combination Algorithm with Variable Windows (CLI-VV) for the fusion of multifocus images. Unlike the CLI-S algorithm presented in a previous work, the CLI-VV algorithm allows to automatically determine the optimal size of the window in each pixel for the segmentation of the regions with the highest sharpness. We also present the generalized CLI-VV Algorithm for the fusion of sets of multi-focus images with more than two images. This new algorithm is called Variable Windows Multi-focus Fusion (FM-VV). The CLI-VV Algorithm was tested with 21 pairs of synthetic images and 29 pairs of real multi-focus images, and the FM-VV Algorithm on 5 trios of multi-focus images. In all the tests a competitive accuracy was obtained, with execution times lower than those reported in the literature. Keywords:Multi-focus image fusion, Sliding windows, Incremental images. IntroducciónHay muchas aplicaciones en las que se involucran imáge-nes, por ejemplo, en sistemas de seguridad, en fotografía, en apoyo al diagnóstico con imágenes médicas, en imágenes satelitales y en algunos ambientes de investigación. En ellas es deseable que las imágenes obtenidas tengan suficiente claridad o nitidez en todos los objetos de la escena. Sin embargo, lo anterior no siempre es posible pues el rango de distancias medidos desde la lente hasta los objetos que se desean capturar no es constante y las cámaras, microscopios y otros objetos que usan lentes para la captura de las imágenes, tienen limitaciones físicas que impiden que todos los objetos de la escena tengan la misma claridad en la imagen digital generada. A dicha limitación se le conoce como profundidad de campo, término que hace referencia al rango de distancias que la lente de una cáma-ra, con una apertura dada, es capaz de reproducir de manera nítida (Kuthirummal et al., 2011).En términos ideales, la luz reflejada por cada punto de la escena debería incidir sobre unúnico punto en el sensor de la cámara, sin em...

show abstract

Section: Antecedentesunclassified

“…Yang et al en (Yang et al, 2014) realizan el cálculo del mapa de decisión usando transformada Wavelet y calculando la energía en una vecindad con un kernel de Sobel. Zhou et al en (Zhou et al, 2014), también proponen el cálculo del mapa de decisión usando la información del gradiente a diferentes escalas.…”

Section: Trabajos Basados En Mapas De Decisiónunclassified

Fusión de Imágenes Multi-Foco con Ventanas Variables

Calderón

Garnica-Carrillo

Flores

2018

Rev. iberoam. autom. inform. ind.

View full text Add to dashboard Cite

show abstract

“…There are four indices used for comparison of IQA measures [38], [39]: Spearman Rank order Correlation Coefficient (SRCC), Kendall Rank order Correlation Coefficient (KRCC), Pearson linear Correlation Coefficient (PCC), and Root Mean Square Error (RMSE). It is worth noticing that RMSE is widely used in the development of image processing algorithms, e.g., in [40]. SRCC and KRCC evaluate prediction monotonicity, while PCC and RMSE evaluate prediction accuracy.…”

Section: Methodsmentioning

confidence: 99%

A Regression-Based Family of Measures for Full-Reference Image Quality Assessment

Oszust

2016

Measurement Science Review

View full text Add to dashboard Cite

The advances in the development of imaging devices resulted in the need of an automatic quality evaluation of displayed visual content in a way that is consistent with human visual perception. In this paper, an approach to full-reference image quality assessment (IQA) is proposed, in which several IQA measures, representing different approaches to modelling human visual perception, are efficiently combined in order to produce objective quality evaluation of examined images, which is highly correlated with evaluation provided by human subjects. In the paper, an optimisation problem of selection of several IQA measures for creating a regression-based IQA hybrid measure, or a multimeasure, is defined and solved using a genetic algorithm. Experimental evaluation on four largest IQA benchmarks reveals that the multimeasures obtained using the proposed approach outperform state-of-the-art full-reference IQA techniques, including other recently developed fusion approaches.

show abstract

“…So the WT has good performance in processing the non-stationary signal. The birth of multi-resolution analysis thought has created fast WT algorithm [11].…”

Section: Image Fusion Based On Wtmentioning

confidence: 99%

An image fusion method based on wavelet transform

Na¹,

Jiao²,

Liu³

et al. 2016

Proceedings of the 2016 International Conference on Advanced Electronic Science and Technology (AEST 2016)

View full text Add to dashboard Cite

Abstract. In some researches of image fusion, the wavelet transform (WT) often contribute more useful information. The objective of image fusion is to combine relevant information from two or more images of same scene into a single composite image, which is more informative. In this paper, an image fusion method based on wavelet transform (WT) is proposed. The different decomposition levels for image fusion based on WT are compared, by means of designing simulation experiments which can help us to find the most effective weighted factor of image fusion. The performance of the proposed method has been extensively tested, and simulation results show that the effectiveness of the fused image based on WT when the number of levels is available.

show abstract

Multi-focus Image Fusion Using an Effective Discrete Wavelet Transform Based Algorithm

Cited by 60 publications

References 24 publications

Fusión de Imágenes Multi-Foco con Ventanas Variables

Fusión de Imágenes Multi-Foco con Ventanas Variables

A Regression-Based Family of Measures for Full-Reference Image Quality Assessment

An image fusion method based on wavelet transform

Contact Info

Product

Resources

About