RGB-NIR color image fusion: metric and psychophysical experiments

Hayes, Alex E.; Finlayson, Graham D.; Montagna, Roberto

doi:10.1117/12.2079224

Cited by 4 publications

(2 citation statements)

References 12 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Существует характерная особенность оценки качества алгоритмов визуализации: их результат ориентирован на восприятие человеком и изображение, являющееся правильным ответом для того или иного случая, не может быть задано в явном виде. Чтобы оценивать алгоритмы проводят физиологические эксперименты (Hayes et al, 2015;Ĉadík, 2008;Lu et al, 2012Lu et al, , 2014. Однако такой способ оценивания трудозатратен, дорог и не может использоваться в технических системах для автоматического мониторинга качества изображений.…”

unclassified

Сравнение Метода Нелинейной Контраст-Сохраняющей Визуализации Мультиспектральных Изображений С Известными Алгоритмами Деколоризации

Сидорчук¹,

Volkov²,

Никоноров³

2019

Preprint

View full text Add to dashboard Cite

В работе исследуется метод нелинейной контраст-сохраняющей визуализации мультиспектральных изображений. Этот метод был предложен Соколинским и Вульфом и заключается построении изображения, градиентное поле которого наиболее соответствует псевдоградиентному полю мультиспектральных контрастов. Для этого используется критерий относительной ошибки, называемый нелинейным критерием Соколова. Для оценки качества описанного метода мы обращаемся к задаче деколоризации. Мы предлагаем модификацию показателя качества E-score, нацеленную на измерение сохранности локальных контрастов. Проведены эксперименты с использованием общедоступного набора цветных изображений Color250. Результаты показывают, что при использовании модифицированного показателя E-score метод сохранения локального контраста превосходит другие методы в задаче деколоризации цветного изображения.

show abstract

unclassified

Сравнение Метода Нелинейной Контраст-Сохраняющей Визуализации Мультиспектральных Изображений С Известными Алгоритмами Деколоризации

Сидорчук¹,

Volkov²,

Никоноров³

2019

Preprint

View full text Add to dashboard Cite

show abstract

“…Typically some way of representing image details is chosen, and then a weighting factor is applied to each input image, either globally or locally. There are a wide variety of applications for image fusion, including remote sensing, 1 medical imaging, 2 multifocus image fusion, 3 RGB-NIR image fusion, 4 and surveillance. Any situation where multiple imaging modalities are used simultaneously has the potential to utilize image fusion to provide a more compact representation for human perception.…”

Section: Introductionmentioning

confidence: 99%

New applications of Spectral Edge image fusion

Hayes

Montagna²,

Finlayson

2016

SPIE Proceedings

Self Cite

View full text Add to dashboard Cite

In this paper, we present new applications of the Spectral Edge image fusion method. The Spectral Edge image fusion algorithm creates a result which combines details from any number of multispectral input images with natural color information from a visible spectrum image. Spectral Edge image fusion is a derivative-based technique, which creates an output fused image with gradients which are an ideal combination of those of the multispectral input images and the input visible color image. This produces both maximum detail and natural colors.We present two new applications of Spectral Edge image fusion. Firstly, we fuse RGB-NIR information from a sensor with a modified Bayer pattern, which captures visible and near-infrared image information on a single CCD. We also present an example of RGB-thermal image fusion, using a thermal camera attached to a smartphone, which captures both visible and low-resolution thermal images. These new results may be useful for computational photography and surveillance applications.

show abstract