Pixel- and region-based image fusion with complex wavelets

Lewis, J.; O'Callaghan, R.J.; Nikolov, SG; Bull, David; Canagarajah, N.

doi:10.1016/j.inffus.2005.09.006

Cited by 795 publications

(401 citation statements)

References 22 publications

Supporting

Mentioning

395

Contrasting

Unclassified

Order By: Relevance

“…En las propuestas de solución para el problema de fusión de imágenes multi-foco se distinguen dos técnicas de procesamiento de las imágenes la primera técnica plantea procesar cada píxel de las imágenes de manera independiente; (Piella, 2003;Lewis et al, 2007;Aslantas and Toprak, 2014) son algunos de ellos y otros más se analizan en (Li et al, 2017). La segunda técnica propone resolver el problema tomando bloques de píxeles en lugar de tratarlos de forma independiente (Zhang and Blum, 1999;Li et al, 2001Li et al, , 2002Zhao et al, 2008;Aslantas and Kurban, 2010;Pagidimarry and Babu, 2011;De and Chanda, 2013;Qu et al, 2014;Bai et al, 2015;Cao et al, 2015;Calderon et al, 2016).…”

Section: Trabajos Basados En Procesamiento Por Bloques O Por Píxelesunclassified

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: Trabajos Basados En Procesamiento Por Bloques O Por Píxelesunclassified

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

“…Here a first approach with application to focus fusion was published by Li et al [4]. Modifications and extensions have, for instance, been proposed by Forster et al [5] or Lewis et al [6]. In [7], Zhang and Blum present a generic framework for multiscale image fusion and compare different approaches.…”

Section: Related Workmentioning

confidence: 99%

A focus fusion framework with anisotropic depth map smoothing

Boshtayeva

Hafner

Weickert

2015

Pattern Recognition

View full text Add to dashboard Cite

“…An image is initially segmented in some way producing a set of regions. For determination of various features from which images are included in the fused image, various properties of these regions are calculated so that more intelligent semantic fusion rules based on actual features in the image, rather than on single or arbitrary groups of pixels can be considered [5]. The fusion is performed in the Dual Tree Complex Wavelet Transform (DT-CWT) domain as it provides near shift invariance and directional selectivity [6].…”

Section: Literature Surveymentioning

confidence: 99%

Stabilizing Atmospheric Turbulence in a Long Range Surveillance using Dark Channel Prior

Mange¹

2014

IJCA

View full text Add to dashboard Cite

Various types of turbulences affect the visual quality during video surveillance. Turbulence such as fog or haze is responsible for image contrast. Removing this turbulence is a challenging problem in video surveillance. We used a method for stabilizing this atmospheric turbulence using dual tree complex wavelet fusion. Informative ROIs are selected using frame selection method from good quality frames. Morphological erosion is done afterwards. Image fusion is done using dual tree complex wavelet transform so as to fuse two images. In this paper, dark channel prior mechanism is proposed for haze removal. Finally image quality assessment is done. This proposed method is shown to outperform existing one and provide enhance visual quality in the range of surveillance scenarios. General TermsDual Tree Complex Wavelet Transform (DT-CWT).

show abstract

Pixel- and region-based image fusion with complex wavelets

Cited by 795 publications

References 22 publications

Fusión de Imágenes Multi-Foco con Ventanas Variables

Fusión de Imágenes Multi-Foco con Ventanas Variables

A focus fusion framework with anisotropic depth map smoothing

Stabilizing Atmospheric Turbulence in a Long Range Surveillance using Dark Channel Prior

Contact Info

Product

Resources

About