Fusión de Imágenes Multi Foco basado en la Combinación Lineal de Imágenes utilizando Imágenes Incrementales

Félix Calderón; Adán Garnica Carrillo; Juan J. Flores

doi:10.1016/j.riai.2016.07.002

Autores/as

Félix Calderón Universidad Michoacana de San Nicolas de Hidalgo
Adán Garnica Carrillo Universidad Michoacana de San Nicolas de Hidalgo
Juan J. Flores Universidad Michoacana de San Nicolas de Hidalgo

DOI:

https://doi.org/10.1016/j.riai.2016.07.002

Palabras clave:

Programación lineal, fusión de imágenes multi foco, filtros pasa altas, imágenes incrementales

Resumen

En este artículo presentamos tres algoritmos para calcular la fusión de imágenes multi foco. Estos algoritmos se basan en la combinación lineal de un par de imágenes con diferentes niveles de enfoque. Los tres algoritmos maximizan una función lineal con restricciones de coherencia espacial; el objetivo de presentarlos es justificar como llegamos a plantear un algoritmo rápido y simple. El primer algoritmo llamado Combinación Lineal de Imágenes (CLI), se implementó utilizando Wolfram Mathematica, pero dado el número de variables a optimizar, la solución demandó de mucho tiempo de cómputo. El segundo algoritmo llamado Combinación Lineal de Imágenes por Ventanas (CLI-V) es una aplicación, sobre subregiones de las imágenes del algoritmo CLI, mejorando el desempeñxo en tiempo y logrando la implementación con el método Simplex. El tercer algoritmo llamado Combinación Lineal de Imágenes Simple (CLI-S), es una simplificación del algoritmo CLI-V, con resultados de calidad muy similares a los algoritmos CLI y CLI-V y a algunos algoritmos del estado del arte, pero con tiempos de solución muy rápidos. El algoritmo CLI-S se implementó utilizando imágenes incrementales con el propósito de tener soluciones en centésimas de segundo para las imágenes de prueba utilizadas. Para los tres algoritmos se presenta el desempeño y el tiempo de solución bajo condiciones similares, utilizando un par de imágenes sintéticas y cuatro pares de imágenes reales. Las imágenes reales han sido utilizadas por algoritmos del estado del arte y fueron seleccionadas con el objetivo de que el lector pueda hacer una comparación cualitativa. En el caso del par de imágenes sintéticas se hace una comparación cuantitativa con resultado de 98% de aciertos en la selección de píxeles, en un tiempo de ejecución de 0.080 s. para una imagen de 512 × 512 píxeles, lo que nos permite decir que la velocidad lograda con algoritmo CLI-S permite efectuar el proceso de fusión en tiempo real, situación que no hemos encontrado reportada en el estado del arte.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Alonso, J. R., Fernandez, A., Ayubi, G. A., Ferrari, J. A., Apr 2015. All-in-focus ´ image reconstruction under severe defocus. Opt. Lett. 40 (8), 1671–1674.

Bae, S., Durand, F., 2007. Defocus magnification. Computer Graphics Forum 26 (3), 571–579.

Burt, P., Adelson, E., Apr 1983. The laplacian pyramid as a compact image code. Communications, IEEE Transactions on 31 (4), 532–540.

Burt, P., Kolczynski, R., May 1993. Enhanced image capture through fusion. In: Computer Vision, 1993. Proceedings., Fourth International Conference on. pp. 173–182.

Cao, L., Jin, L., Tao, H., Li, G., Zhuang, Z., Zhang, Y., Feb 2015. Multi-focus image fusion based on spatial frequency in discrete cosine transform domain. Signal Processing Letters, IEEE 22 (2), 220–224.

Chai, Y., Li, H., Guo, M., 2011. Multifocus image fusion scheme based on features of multiscale products and {PCNN} in lifting stationary wavelet domain. Optics Communications 284 (5), 1146 – 1158.

Elder, J., Zucker, S., Jul 1998. Local scale control for edge detection and blur estimation. Pattern Analysis and Machine Intelligence, IEEE Transactions on 20 (7), 699–716.

Gonzalez, R. C., Woods, R. E., 2008. Digital image processing. Prentice Hall, Upper Saddle River, N.J.

Kuthirummal, S., Nagahara, H., Zhou, C., Nayar, S., Jan 2011. Flexible depth of field photography. Pattern Analysis and Machine Intelligence, IEEE Transactions on 33 (1), 58–71.

Li, S., Kwok, J. T., Wang, Y., 2001. Combination of images with diverse focuses using the spatial frequency. Information Fusion 2 (3), 169 – 176.

Li, S., Kwok, J. T., Wang, Y., 2002. Multifocus image fusion using artificial neural networks. Pattern Recognition Letters 23 (8), 985 – 997.

Li, S., Yang, B., 2008. Multifocus image fusion using region segmentation and spatial frequency. Image and Vision Computing 26 (7), 971 – 979.

Luenberger, D., 1973. Introduction to Linear and Nonlinear Programming. Addison-Wesley Publishing Company.

Orozco, R. I., 2013. Fusion de im ´ agenes multifoco por medio de filtrado de ´ regiones de alta y baja frecuencia. Master’s thesis, Division de Estudios de ´ Postgrado. Facultad de Ingenier´ıa Electrica. UMSNH, Morelia Michoacan ´ Mexico.

Pagidimarry, M., Babu, K. A., 2011. An all approach for multi-focus image fusion using neural network. Artificial Intelligent Systems and Machine Learning 3 (12), 732–739.

Pajares, G., de la Cruz, J. M., 2004. A wavelet-based image fusion tutorial. Pattern Recognition 37 (9), 1855 – 1872.

Redondo, R., Sroubek, F., Fischer, S., Crist ˇ obal, G., 2009. Multifocus image ´ fusion using the log-gabor transform and a multisize windows technique. Information Fusion 10 (2), 163 – 171.

Riaz, M., Park, S., Ahmad, M., Rasheed, W., Park, J., 2008. Generalized laplacian as focus measure. In: Bubak, M., van Albada, G., Dongarra, J., Sloot, P. (Eds.), Computational Science ? ICCS 2008. Vol. 5101 of Lecture Notes in Computer Science. Springer Berlin Heidelberg, pp. 1013–1021.

Rivera, M., Ocegueda, O., Marroquin, J., Dec 2007. Entropy-controlled quadratic markov measure field models for efficient image segmentation. Image Processing, IEEE Transactions on 16 (12), 3047–3057.

Terlaky, T., 2013. Interior point methods of mathematical programming. Vol. 5. Springer Science & Business Media.

Viola, P., Jones, M., 2001. Rapid object detection using a boosted cascade of simple features. In: Computer Vision and Pattern Recognition, 2001. CVPR 2001. Proceedings of the 2001 IEEE Computer Society Conference on. Vol. 1. pp. I–511–I–518 vol.1.

Wiener, N., 1964. Extrapolation, interpolation, and smoothing of stationary time series : with engineering applications. M.I. T. paperback series. Cambridge, Mass. Technology Press of the Massachusetts Institute of Technology, first published during the war as a classified report to Section D2, National Defense Research Committee.

Zhang, Q., long Guo, B., 2009. Multifocus image fusion using the nonsubsampled contourlet transform. Signal Processing 89 (7), 1334 – 1346.