High-quality image multi-focus fusion to address ringing and blurring artifacts without loss of information

Jagtap, Nalini; Thepade, Sudeep D.

doi:10.1007/s00371-021-02300-5

Cited by 8 publications

(2 citation statements)

References 53 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…[55] 8,23 0,73 Liu vd. [56] 8,66 0,79 GFDF [57] 3,28 0,63 DTCWTGF [57] 3,17 0,52 MIFDWT [57] 3,02 0,38 IPGF [57] 3,49 SF 𝑄 𝑄 GFF [58] 18,741 0,9538 0,7287 ASR [59] 18,6605 0,9181 0,706 QUADTREE [59] 18,9445 0,9694 0,7524 DSIFT [59] 18,9672 0,9272 0,7243 CNN [14] 18,7777 0,968 0,7499 MADCNN [59] 18,7407 0,9528 0,7199 IFCNN [21] 18,4182 0,9027 0,6829 Wang vd. […”

Section: Yang Vd Metriği (𝑄 )unclassified

CNN ve SVM yöntemleriyle çoklu-odaklı görüntü birleştirmede yeni bir hibrit yaklaşım

AYMAZ

2023

Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi

View full text Add to dashboard Cite

Çoklu-odaklı görüntü birleştirme, aynı sahnenin farklı odak değerlerine sahip iki veya daha fazla görüntüsünün birleştirilerek tüm-odaklı bir görüntü oluşturulmasıdır. Tüm-odaklı görüntü oluşturulurken temel amaç kaynak görüntülerdeki doğru odak bilgisinin maksimum seviyede birleştirilmiş görüntüye aktarılmasıdır. Önerilen çalışmada, bu amaç doğrultusunda yeni bir hibrit yaklaşım önerilmektedir. Bu yaklaşım, görüntülerden çıkarılan önemli özelliklerin sınıflandırılması ve etkili füzyon kuralları ile birleştirilmesine dayanmaktadır. Özellik çıkarımında, özgün olarak tasarlanan ve basit sistemlerde dahi kolaylıkla çalışabilen bir CNN mimarisi kullanılmaktadır. Çıkarılan özellikler, SVM sınıflandırıcısına verilmekte ve özellik vektörünün odaklı ya da odaksız olarak sınıflandırılması sağlanmaktadır. Sınıflandırma işlemleri sonrasında her bir kaynak görüntü için ikili karar haritaları oluşturulmaktadır. Bu karar haritalarının yanında, önerilen çalışmanın özgün yönlerinden birisi de kararsız bölgelere ait haritaların da çıkarılmasıdır. Bu bölgeler, sınıflandırıcının özellik vektörlerini tam olarak sınıflandıramadığı odaklı bölgelerden odaksız bölgelere geçiş noktalarından oluşmaktadır. Görüntü birleştirmede en önemli konulardan birisi de füzyon kuralının seçimidir. Önerilen çalışmada, sınıflandırıcının kesin olarak karar verebildiği noktalar doğrudan birleştirilmiş görüntüye aktarılırken, kararsız bölgeler için iki alternatif füzyon kuralı kullanılmaktadır. Bunlar gradyan-tabanlı ve laplas-tabanlı füzyon kurallarıdır. Çalışmada her bir füzyon kuralı için, füzyon kurallarının birleştirmeye etkisi gözlemlenmektedir. Sonuç olarak, önerilen çalışmanın performansı objektif performans metrikleriyle değerlendirilmektedir. Sonuçlar incelendiğinde, çalışmanın basit sistemlerde çalışabilen etkili bir füzyon aracı olduğu görülmektedir.

show abstract

Section: Yang Vd Metriği (𝑄 )unclassified

CNN ve SVM yöntemleriyle çoklu-odaklı görüntü birleştirmede yeni bir hibrit yaklaşım

AYMAZ

2023

Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi

View full text Add to dashboard Cite

show abstract

“…By deeming the compression in JPEG, discontinuity in adjacent 8 × 8 block experience blocking artifacts. Moreover, higher frequency coarse-quantization modulesundergo the effects of blurring and ringing [6].…”

Section: Introductionmentioning

confidence: 99%

Adaptive and Efficient Hybrid In-loop Filter Based on Enhanced Generative Adversarial Networks with Sample Adaptive Offset Filter for HEVC/H-265

Moji¹,

Mathivanan²

2023

Period. Polytech. Elec. Eng. Comp. Sci.

View full text Add to dashboard Cite

In this manuscript, an Adaptive and Efficient Hybrid In-loop Filter based on Enhanced Generative Adversarial Network Deblocking Filter (EGANDF) with Sample Adaptive Offset filter (EGANDF-SAO-HEVC) is proposed for High Efficiency Video Coding (HEVC)/H-265. In this, the proposed hybrid in-loop filter involves EGANDF and Sample Adaptive Offset (SAO) filter that lessens the blocking artifacts caused by block-wise processing for coding unit (CU), which is mainly used for improving the video quality. Initially, EGANDF is proposed for HEVC/H-265 for removing blocking artifacts along low computation. Here, the output of EGANDF is given to the SAO filter for reducing ringing artifacts by diminishing high-frequency components during quantization. Thus, the proposed method efficiently reduces artifacts for improving video quality performance. The proposed EGANDF-SAO-HEVC method is implemented in the working platform of HEVC reference software with MATLAB. Finally, the proposed EGANDF-SAO-HEVC model has attained 27.26%, 29.65%, 12.45% higher accuracy, 33.56%, 31.8%, 28.7% higher sensitivity, 34.7%, 33.5%, 32.6% higher specificity, 46.92%, 35.7%, 41.3% lower MSE, 25.7%, 29.7%, 35.6% higher PSNR, and 25.6%, 28.9%, 13.6% higher SSIM for using basketball video sequence when compared to the existing methods.

show abstract

MVSFusion: infrared and visible image fusion method for multiple visual scenarios

Li,

He,

et al. 2024

Vis Comput

View full text Add to dashboard Cite

High-quality image multi-focus fusion to address ringing and blurring artifacts without loss of information

Cited by 8 publications

References 53 publications

CNN ve SVM yöntemleriyle çoklu-odaklı görüntü birleştirmede yeni bir hibrit yaklaşım

CNN ve SVM yöntemleriyle çoklu-odaklı görüntü birleştirmede yeni bir hibrit yaklaşım

Adaptive and Efficient Hybrid In-loop Filter Based on Enhanced Generative Adversarial Networks with Sample Adaptive Offset Filter for HEVC/H-265

MVSFusion: infrared and visible image fusion method for multiple visual scenarios

Contact Info

Product

Resources

About