RU2540778C1 - Method for integrating digital half-tone images - Google Patents
Method for integrating digital half-tone images Download PDFInfo
- Publication number
- RU2540778C1 RU2540778C1 RU2013148569/08A RU2013148569A RU2540778C1 RU 2540778 C1 RU2540778 C1 RU 2540778C1 RU 2013148569/08 A RU2013148569/08 A RU 2013148569/08A RU 2013148569 A RU2013148569 A RU 2013148569A RU 2540778 C1 RU2540778 C1 RU 2540778C1
- Authority
- RU
- Russia
- Prior art keywords
- image
- images
- informative
- brightness
- method includes
- Prior art date
Links
Images
Landscapes
- Image Processing (AREA)
Abstract
Description
Изобретение относится к области цифровой обработки изображений, в частности к комплексированию цифровых изображений.The invention relates to the field of digital image processing, in particular to the integration of digital images.
Известен способ комплексирования цифровых многоспектральных полутоновых изображений [1]. Способ включает получение исходных изображений, разложение каждого исходного изображения на низкочастотные и высокочастотные компоненты, раздельную обработку низко- и высокочастотных компонент изображений, комплексирование компонент, основанное на принципе взвешенного суммирования для каждого пикселя, формирование результирующего изображения. При этом каждое исходное изображение подвергают многоуровневой декомпозиции вейвлетом Хаара путем быстрого дискретного стационарного двумерного вейвлет-преобразования с целью получения аппроксимирующей составляющей, представляющей из себя низкочастотную компоненту изображения, и семейства детализирующих составляющих, являющихся высокочастотными компонентами изображения. Определяют значения матриц энергетических характеристик пикселей на всех уровнях разложения для каждого изображения. Осуществляют фильтрацию всех детализирующих составляющих, включающую коррекцию детализирующих составляющих путем адаптивного изменения значений детализирующих составляющих в соответствии с межуровневой динамикой их энергетических характеристик и устранение шумовой микроструктуры путем адаптивного порогового ограничения значений детализирующих составляющих на каждом уровне разложения. Вычисляют для каждого разложения корректирующие функции яркости и корректирующие функции контраста, параметром которых является значение аппроксимирующей составляющей. Производят выравнивание яркостных диапазонов каждого разложения путем преобразования аппроксимирующих составляющих корректирующими функциями яркости. Преобразуют детализирующие составляющие корректирующей функцией контраста. Вычисляют для каждого разложения на каждом уровне весовую функцию, параметром которой является значение энергетической характеристики. Производят для каждого пикселя на каждом уровне разложения вычисление компонент синтезированного изображения путем взвешенного суммирования значений соответствующих составляющих разложений исходных изображений с использованием весовых функций. Осуществляют фильтрацию всех детализирующих составляющих синтезированного изображения, включающую коррекцию детализирующих составляющих путем адаптивного изменения значений детализирующих составляющих в соответствии с межуровневой динамикой их энергетических характеристик и устранение шумовой микроструктуры путем адаптивного порогового ограничения значений детализирующих составляющих на каждом уровне разложения. Вычисляют корректирующую функцию яркости и корректирующую функцию контраста, параметром которых является значение аппроксимирующей составляющей синтезированного изображения. Преобразуют аппроксимирующую составляющую корректирующей функцией яркости. Преобразуют детализирующие составляющие корректирующей функцией контраста. Формируют синтезированное изображение путем реконструкции при помощи обратного быстрого дискретного стационарного двумерного вейвлет-преобразования, применяемого к детализирующим составляющим синтезированного изображения и аппроксимирующей составляющей синтезированного изображения, согласуют яркостной диапазон результирующего изображения с параметрами видеосистемы.A known method of combining digital multispectral grayscale images [1]. The method includes obtaining source images, decomposing each source image into low-frequency and high-frequency components, separately processing the low- and high-frequency image components, combining the components based on the principle of weighted summation for each pixel, forming the resulting image. Moreover, each source image is subjected to multi-level decomposition by a Haar wavelet by means of a fast discrete stationary two-dimensional wavelet transform in order to obtain an approximating component, which is a low-frequency component of the image, and a family of detailed components, which are high-frequency image components. Determine the values of the matrix energy characteristics of pixels at all levels of decomposition for each image. They filter out all the detailed components, including the correction of the detailed components by adaptively changing the values of the detailed components in accordance with the inter-level dynamics of their energy characteristics and eliminating the noise microstructure by means of an adaptive threshold limiting the values of the detailed components at each decomposition level. For each decomposition, correction brightness functions and correction contrast functions, the parameter of which is the value of the approximating component, are calculated. The luminance ranges of each decomposition are aligned by converting the approximating components by the correcting brightness functions. The detailing components are transformed with a correction function of contrast. For each decomposition at each level, a weight function is calculated, the parameter of which is the value of the energy characteristic. For each pixel at each decomposition level, the components of the synthesized image are calculated by weighted summation of the values of the corresponding decomposition components of the original images using weight functions. Filtration of all the detailed components of the synthesized image is carried out, including the correction of the detailed components by adaptively changing the values of the detailed components in accordance with the inter-level dynamics of their energy characteristics and eliminating the noise microstructure by adaptive threshold restriction of the values of the detailed components at each level of decomposition. The brightness correction function and the contrast correction function are calculated, the parameter of which is the value of the approximating component of the synthesized image. The approximating component is transformed by the correcting brightness function. The detailing components are transformed with a correction function of contrast. The synthesized image is formed by reconstruction using the inverse fast discrete stationary two-dimensional wavelet transform applied to the detailed components of the synthesized image and the approximating component of the synthesized image, the brightness range of the resulting image is matched with the parameters of the video system.
К недостаткам данного способа следует отнести общее снижение локального контраста из-за усреднения двух многоспектральных изображений (частный случай - вычисление попиксельно средних значений яркостей пикселей двух многоспектральных изображений, то есть когда весовые функции детализирующих составляющих каждого изображения практически близки к 0,5).The disadvantages of this method include the general decrease in local contrast due to averaging of two multispectral images (a special case is the calculation of pixel-by-pixel average brightness values of pixels of two multispectral images, that is, when the weight functions of the detailed components of each image are almost close to 0.5).
Наиболее близким к предлагаемому является способ комплексирования цифровых полутоновых изображений, полученных от двух каналов различного спектрального диапазона [2], который выбран в качестве прототипа. Представленный способ состоит из следующих этапов: получают исходные телевизионные и тепловизионные изображения; определяют основное изображение с наибольшим уровнем информативных деталей; вычисляют среднюю яркость изображения второго канала; вычисляют среднее значение абсолютных разностей между средней яркостью изображения второго канала и значениями яркостей всех пикселей изображения второго канала; для каждого пикселя комплексированного изображения вычисляют сумму значения яркости пикселя изображения основного канала и абсолютной разности значения яркости пикселя изображения второго канала и средней яркости изображения второго канала, из полученной суммы вычитают среднее значение абсолютных разностей яркости пикселей изображения второго канала и средней яркости изображения второго канала; нормализуют яркостный диапазон изображения.Closest to the proposed is a method for combining digital grayscale images obtained from two channels of different spectral ranges [2], which is selected as a prototype. The presented method consists of the following steps: receive the original television and thermal imaging images; determine the main image with the highest level of informative details; calculate the average brightness of the image of the second channel; calculate the average value of the absolute differences between the average brightness of the image of the second channel and the brightness values of all pixels of the image of the second channel; for each pixel of the complex image, the sum of the brightness value of the image pixel of the main channel and the absolute difference of the brightness value of the image pixel of the second channel and the average image brightness of the second channel are calculated; the average value of the absolute differences in the brightness of the image pixels of the second channel and the average image brightness of the second channel is subtracted; normalize the brightness range of the image.
При экспериментальном исследовании способа прототипа был выявлен его недостаток, ухудшающий качество комплексированного изображения, выраженный в появлении темного контура вокруг контрастных к фону объектов.An experimental study of the prototype method revealed its disadvantage that worsens the quality of the integrated image, expressed in the appearance of a dark outline around objects contrasting to the background.
Задачей предлагаемого способа комплексирования цифровых полутоновых изображений является повышение качества изображения, содержащего информативные элементы изображений одной и той же сцены.The objective of the proposed method for combining digital grayscale images is to improve the quality of the image containing informative image elements of the same scene.
Поставленная задача достигается тем, что предлагаемый способ комплексирования изображений включает получение исходных изображений, определение наиболее информативного изображения, комплексирование изображений, основанное на комбинировании наиболее информативного изображения и отличительных деталей второго изображения, выравнивание яркостного диапазона результирующего изображения. При комплексировании изображений определяют оценки коэффициентов линейной регрессии величин яркостей второго изображения по величинам яркостей наиболее информативного изображения, формируют промежуточное изображение как результат линейного преобразования наиболее информативного изображения с найденными коэффициентами, находят комплектованное изображение путем прибавления к наиболее информативному изображению разности второго и промежуточного изображений, умноженной на корректирующий коэффициент.The problem is achieved in that the proposed method for complexing images includes obtaining source images, determining the most informative image, combining images based on a combination of the most informative image and the distinctive details of the second image, aligning the brightness range of the resulting image. When combining images, estimates of linear regression coefficients of the brightness values of the second image are determined by the brightness values of the most informative image, an intermediate image is formed as a result of the linear transformation of the most informative image with the coefficients found, a complete image is found by adding the difference of the second and intermediate images multiplied by the most informative image correction factor.
Сущность предлагаемого способа заключается в следующем. С помощью двух каналов различного спектрального диапазона, например телевизионной и тепловизионной камер, получают два исходных цифровых полутоновых изображения. Определяют изображение с наибольшим количеством информативных деталей путем субъективной оценки изображений оператором, либо используя любой известный способ вычисления мощности высокочастотных компонент изображения. Определяют оценки параметров линейной регрессии a и b величин яркостей второго изображения по величинам яркостей наиболее информативного изображения по методу наименьших квадратов:The essence of the proposed method is as follows. Using two channels of different spectral ranges, for example, television and thermal imaging cameras, two original digital grayscale images are obtained. An image with the largest number of informative details is determined by subjective assessment of images by the operator, or using any known method of calculating the power of high-frequency image components. Estimates of the linear regression parameters a and b of the brightness values of the second image are determined by the brightness values of the most informative image using the least squares method:
где xi - яркость пикселя с номером i наиболее информативного изображения, yi - яркость пикселя с номером i второго изображения, N - количество пикселей изображений.where x i is the brightness of the pixel with the number i of the most informative image, y i is the brightness of the pixel with the number i of the second image, N is the number of pixels in the images.
Формируют промежуточное изображение:Form an intermediate image:
где 
Формируют комплексированное изображение:Form a complex image:
где zi - яркость пикселя с номером i комплексированного изображения, C - корректирующий коэффициент.where z i is the brightness of the pixel with number i of the integrated image, C is the correction factor.
Выравнивают яркостный диапазон комплексированного изображения с помощью любого известного метода. Выводят результирующее изображение для просмотра.Align the luminance range of the complex image using any known method. The resulting image is displayed for viewing.
Поставленная задача достигается тем, что в предлагаемом способе благодаря определению параметров регрессионной связи выделяют детали второго (наименее информативного изображения), отсутствующие на первом изображении, и добавляют их к первому изображению.The problem is achieved in that in the proposed method, by determining the parameters of the regression connection, the details of the second (least informative image) that are absent in the first image are selected and added to the first image.
Предлагаемый способ комплексирования может быть реализован с помощью устройства, схема которого приведена на фиг.1, гдеThe proposed method of integration can be implemented using the device, a diagram of which is shown in figure 1, where
1 - источник первого изображения,1 - source of the first image,
2 - источник второго изображения,2 - source of the second image,
3, 4 - блоки подготовки первого и второго изображений, выполняющие геометрическое преобразование изображения, улучшение яркости и контраста, фильтрацию шума,3, 4 - blocks for the preparation of the first and second images, performing geometric image conversion, improving brightness and contrast, filtering noise,
5 - блок вычисления оценок параметров линейной регрессии, реализующий выражение (1),5 - block calculating estimates of linear regression parameters that implements expression (1),
6 - блок формирования промежуточного изображения, реализующий выражение (2),6 - block forming an intermediate image that implements the expression (2),
7 - блок формирования комплексированного изображения, реализующий выражение (3),7 - block forming a complex image that implements the expression (3),
8 - блок выравнивания яркостного диапазона изображения,8 - block alignment of the luminance range of the image,
9 - блок вывода результирующего изображения.9 - output image output unit.
Выполнение поставленной задачи иллюстрируется изображениями, приведенными на фиг.2-13, на которых представлены:The implementation of the task is illustrated by the images shown in figure 2-13, which show:
- фиг.2 - первое тестовое телевизионное изображение;- figure 2 - the first test television image;
- фиг.3 - первое тестовое тепловизионное изображение;- figure 3 - the first test thermal image;
- фиг.4 - первое комплексированное по способу прототипа изображение;- figure 4 - the first integrated according to the method of the prototype image;
- фиг.5 - первое комплексированное по предлагаемому способу изображение;- figure 5 - the first integrated according to the proposed method image;
- фиг.6 - второе тестовое телевизионное изображение;- Fig.6 is a second test television image;
- фиг.7 - второе тестовое тепловизионное изображение;- Fig.7 is a second test thermal image;
- фиг.8 - второе комплексированное по способу прототипа изображение;- Fig.8 is a second image integrated by the prototype method;
- фиг.9 - второе комплексированное по предлагаемому способу изображение;- Fig.9 - the second integrated according to the proposed method image;
- фиг.10 - третье тестовое телевизионное изображение;- figure 10 is the third test television image;
- фиг.11 - третье тестовое тепловизионное изображение;- 11 - the third test thermal imaging image;
- фиг.12 - третье комплексированное по способу прототипа изображение;- Fig - the third integrated by the method of the prototype image;
- фиг.13 - третье комплексированное по предлагаемому способу изображение.- Fig.13 is the third complex image of the proposed method.
Как видно из приведенных изображений, на комплексированном по способу прототипа изображении (фиг.4), в отличие от комплексированного по предлагаемому способу (фиг.5), плохо видны детали обочины дороги, скрытые в тени, пропала текстура травы на поле, присутствует темный контур вокруг фигуры человека, тогда как на фиг.5 различимы детали дороги и прилегающего поля, фигура человека не имеет темного контура.As can be seen from the above images, on the image integrated by the prototype method (figure 4), in contrast to the complex according to the proposed method (figure 5), the details of the roadside hidden in the shadow are poorly visible, the grass texture on the field disappeared, there is a dark outline around the human figure, while in FIG. 5, the details of the road and the adjacent field are distinguishable, the human figure does not have a dark outline.
На комплексированных по способу прототипа изображениях (фиг.8 и 12), в отличие от изображений, полученных предлагаемым способом (фиг.9 и 13), присутствуют ложные темные контуры вокруг различных объектов изображения и, местами, искажения исходных цветов.In the images complexed by the prototype method (Figs. 8 and 12), in contrast to the images obtained by the proposed method (Figs. 9 and 13), there are false dark contours around various image objects and, in places, distortions of the original colors.
Кроме этого, было проведено количественное сравнение качества комплексирования. При сравнении использовалась мера качества комплексирования, предложенная в работе [3]. Результаты приведены в таблице. Большее значение соответствует лучшему качеству комплексирования (близость комплексированного изображения к каждому из исходных и меньшие искажения яркости и контраста).In addition, a quantitative comparison of the quality of integration was carried out. When comparing, we used the measure of the quality of integration proposed in [3]. The results are shown in the table. A higher value corresponds to a better quality of integration (proximity of the integrated image to each of the source images and less distortion of brightness and contrast).
Таким образом, как видно из приведенных данных, предлагаемый способ комплексирования позволяет получать комплексированные изображения с лучшим по сравнению с известным способом качеством, чем и достигается поставленная задача.Thus, as can be seen from the above data, the proposed method of combining allows you to receive complex images with better quality than the known method, which is what the task is achieved.
Источники информацииInformation sources
1. Патент РФ №2342701 от 15.08.2007 г.1. RF patent No. 2342701 of 08/15/2007
2. Патент РФ №2451338 от 23.12.2010 г.2. RF patent No. 2451338 dated 12/23/2010.
3. G. Piella, Н. Heijmans. A new quality metric for image fusion. Proceedings of International Conference on Image Processing, pp.173-176, 2003.3. G. Piella, N. Heijmans. A new quality metric for image fusion. Proceedings of International Conference on Image Processing, pp. 173-176, 2003.
Claims (1)
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| RU2013148569/08A RU2540778C1 (en) | 2013-10-31 | 2013-10-31 | Method for integrating digital half-tone images |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| RU2013148569/08A RU2540778C1 (en) | 2013-10-31 | 2013-10-31 | Method for integrating digital half-tone images |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| RU2540778C1 true RU2540778C1 (en) | 2015-02-10 |
Family
ID=53286970
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| RU2013148569/08A RU2540778C1 (en) | 2013-10-31 | 2013-10-31 | Method for integrating digital half-tone images |
Country Status (1)
| Country | Link |
|---|---|
| RU (1) | RU2540778C1 (en) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2667800C1 (en) * | 2017-12-26 | 2018-09-24 | Акционерное общество "Научно-технический центр ЭЛИНС" | Method for integrating two digital halftone images |
| RU2684585C1 (en) * | 2017-12-18 | 2019-04-09 | Публичное акционерное общество "Ростовский оптико-механический завод" | Method of complexing halftone television and thermal images |
| RU2692575C1 (en) * | 2018-01-10 | 2019-06-25 | Федеральное государственное казенное военное образовательное учреждение высшего образования "Военный учебно-научный центр Военно-воздушных сил "Военно-воздушная академия имени профессора Н.Е. Жуковского и Ю.А. Гагарина" (г. Воронеж) Министерства обороны Российской Федерации | Method of integrating digital halftone images |
| RU2775592C1 (en) * | 2021-07-19 | 2022-07-05 | Федеральное государственное бюджетное образовательное учреждение высшего образования "Рязанский государственный радиотехнический университет имени В.Ф. Уткина" | Method for combining digital halftone images of several ranges of the optical spectrum |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2171499C1 (en) * | 2000-12-14 | 2001-07-27 | Закрытое акционерное общество "НПО Космического Приборостроения" | Method for building images |
| RU2342701C1 (en) * | 2007-08-15 | 2008-12-27 | Российская Федерация, от имени которой выступает Министерство обороны Российской Федерации | Method of complexing digital multispectral half-tone images |
| CN102214364A (en) * | 2011-04-27 | 2011-10-12 | 天津大学 | Automatic coloring method of gray level images in combination with histogram regression and texture analysis |
| RU2438174C1 (en) * | 2010-06-15 | 2011-12-27 | Общество с ограниченной ответственностью "Томсклаб" | Method of recognising objects |
| CN102368295A (en) * | 2011-09-07 | 2012-03-07 | 常州蓝城信息科技有限公司 | Method for extracting age characteristics under complex environment |
| RU2448367C1 (en) * | 2011-04-11 | 2012-04-20 | Закрытое акционерное общество "МНИТИ" ЗАО "МНИТИ" | Method of increasing visual information content of digital greyscale images |
| RU2451338C1 (en) * | 2010-12-23 | 2012-05-20 | Открытое акционерное общество "Государственный Рязанский приборный завод" (ОАО "ГРПЗ") | Method of integrating digital grayscale television and thermal images |
-
2013
- 2013-10-31 RU RU2013148569/08A patent/RU2540778C1/en active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2171499C1 (en) * | 2000-12-14 | 2001-07-27 | Закрытое акционерное общество "НПО Космического Приборостроения" | Method for building images |
| RU2342701C1 (en) * | 2007-08-15 | 2008-12-27 | Российская Федерация, от имени которой выступает Министерство обороны Российской Федерации | Method of complexing digital multispectral half-tone images |
| RU2438174C1 (en) * | 2010-06-15 | 2011-12-27 | Общество с ограниченной ответственностью "Томсклаб" | Method of recognising objects |
| RU2451338C1 (en) * | 2010-12-23 | 2012-05-20 | Открытое акционерное общество "Государственный Рязанский приборный завод" (ОАО "ГРПЗ") | Method of integrating digital grayscale television and thermal images |
| RU2448367C1 (en) * | 2011-04-11 | 2012-04-20 | Закрытое акционерное общество "МНИТИ" ЗАО "МНИТИ" | Method of increasing visual information content of digital greyscale images |
| CN102214364A (en) * | 2011-04-27 | 2011-10-12 | 天津大学 | Automatic coloring method of gray level images in combination with histogram regression and texture analysis |
| CN102368295A (en) * | 2011-09-07 | 2012-03-07 | 常州蓝城信息科技有限公司 | Method for extracting age characteristics under complex environment |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2684585C1 (en) * | 2017-12-18 | 2019-04-09 | Публичное акционерное общество "Ростовский оптико-механический завод" | Method of complexing halftone television and thermal images |
| RU2667800C1 (en) * | 2017-12-26 | 2018-09-24 | Акционерное общество "Научно-технический центр ЭЛИНС" | Method for integrating two digital halftone images |
| RU2692575C1 (en) * | 2018-01-10 | 2019-06-25 | Федеральное государственное казенное военное образовательное учреждение высшего образования "Военный учебно-научный центр Военно-воздушных сил "Военно-воздушная академия имени профессора Н.Е. Жуковского и Ю.А. Гагарина" (г. Воронеж) Министерства обороны Российской Федерации | Method of integrating digital halftone images |
| RU2775592C1 (en) * | 2021-07-19 | 2022-07-05 | Федеральное государственное бюджетное образовательное учреждение высшего образования "Рязанский государственный радиотехнический университет имени В.Ф. Уткина" | Method for combining digital halftone images of several ranges of the optical spectrum |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9230304B2 (en) | Apparatus and method for enhancing image using color channel | |
| Vishwakarma et al. | Color image enhancement techniques: a critical review | |
| US8391598B2 (en) | Methods for performing local tone mapping | |
| CN106127718B (en) | A kind of more exposure image fusion methods based on wavelet transformation | |
| EP2360906A2 (en) | Method of and apparatus for image denoising | |
| Rajashekar et al. | Perceptual quality assessment of color images using adaptive signal representation | |
| Suganya et al. | Survey on image enhancement techniques | |
| JP5822157B2 (en) | Noise reduction apparatus, noise reduction method, and program | |
| Ponomarenko et al. | HVS-metric-based performance analysis of image denoising algorithms | |
| Priyanka et al. | Low-light image enhancement by principal component analysis | |
| RU2540778C1 (en) | Method for integrating digital half-tone images | |
| CN105976351A (en) | Central offset based three-dimensional image quality evaluation method | |
| US9240035B2 (en) | Methods for reducing row and column patterns in a digital image | |
| Mansouri et al. | SSVD: Structural SVD-based image quality assessment | |
| Maschal et al. | New image quality assessment algorithms for CFA demosaicing | |
| Ley et al. | Reconstructing white walls: Multi-view, multi-shot 3d reconstruction of textureless surfaces | |
| Islam et al. | A novel image quality index for image quality assessment | |
| Pyo et al. | Noise reduction in high-ISO images using 3-D collaborative filtering and structure extraction from residual blocks | |
| ho Lee et al. | Three dimensional colorization based image/video reconstruction from white-dominant RGBW pattern images | |
| Upadhyay et al. | A joint implementation of adaptive histogram equalization and interpolation | |
| Suresha et al. | Data content weighing for subjective versus objective picture quality assessment of natural pictures | |
| Wang et al. | Retinex-based color correction for displaying high dynamic range images | |
| Mohanty et al. | Mutual information based objective model for assessment of visual quality | |
| Singh et al. | F-MAD: a feature-based extension of the most apparent distortion algorithm for image quality assessment | |
| Vu et al. | A no-reference quality assessment algorithm for JPEG2000-compressed images based on local sharpness |