Дослідження методів злиття зображень з використанням вейвлетів
Автор: Чичерський Віталій Віталійович
Кваліфікаційний рівень: магістр
Спеціальність: Комп'ютеризовані системи управління та автоматика
Інститут: Інститут комп'ютерних технологій, автоматики та метрології
Форма навчання: денна
Навчальний рік: 2021-2022 н.р.
Мова захисту: українська
Анотація: Злиття зображень (Image Fusion) – це процес, за допомогою якого два або більше зображень об’єднуються в одне зображення, зберігаючи усі важливі ха-рактеристики кожного з оригінальних зображень. Об’єднане зображення міс-тить більш повну інформацію, яка є більш корисною для сприйняття людиною або машиною [1]. Впровадження нових або удосконалення існуючих методів злиття зображень дозволять покращити якість та розширити області застосу-вання цих даних. Ефективне поєднання зображень, отриманих за допомогою різних методів або інструментів, має велике значення для багатьох областей застосувань, таких як медичні зображення, мікроскопічні зображення, комп’ютерний зір, дистанційне зондування, робототехніка, військове застосу-вання та ін. [2]. Злиття зображень може виконуватися на різних рівнях предста-влення інформації, таких як рівень пікселів, рівень характеристичних ознак та рівень рішень. Завдяки точному представленню локальних особливостей сигналів [3] та мінімізації структурних спотворень [4], широкого поширення набули вейвлети, використання яких призвело до появи нових ефективних методів злиття зобра-жень. Особливість вейвлет-перетворення полягає у можливості виявляти усі локальні особливості зображень з прив’язкою їх до часу або до просторових ко-ординат. Також відомо, що вейвлет-перетворення може надавати горизонталь-ну, вертикальну та діагональну різноспрямовану інформацію, яка розподіляєть-ся незалежно для кожного окремого пікселя, що дозволяє досягти реконструкції зображення без втрат [5]. Результати злиття зображень, отримані з використан-ням методів вейвлет-перетворення, часто набагато кращі, ніж результати, отри-мані іншими методами. Тому практика злиття зображень на основі методів вей-влет-перетворення має велике практичне значення, а отже дослідження ефекти-вності методів злиття зображень з використанням вейвлетів є актуальним. 4 Об’єктом дослідження є процес злиття мультиспектральних зображень з використанням апарату вейвлетів. Предметом дослідження є моделі, методи та алгоритми злиття зобра-жень отриманих у видимому та інфрачервоному діапазонах спектру. Метою роботи є дослідження методів злиття зображень на основі вейвлет перетворення. У роботі порівнюються і досліджуються три варіанти вейвлет-перетворення, які реалізуються окремо в обраній моделі злиття. Модель злиття зображень із використанням дискретного вейвлет-перетворення (ДВП), стаціо-нарного вейвлет-перетворення (СВП), комплексного вейвлет-перетворення по-двійного дерева (КВППД) застосовується до мультимодальних тестових зобра-жень. Отримані об’єднані зображення порівнюються візуально та за допомогою таких контрольних показників, як взаємна інформація (MI), пікове відношення сигналу до шуму (PSNR), структурний індекс схожості зображень (SSIM). У результаті виконання магістерської кваліфікаційної роботи було про-ведено загальний аналіз методів злиття зображень Розглянуто методи злиття зображень у просторовій області, такі як усереднення, мінімум, максимум, бло-кове усереднення та аналіз головних компонентів. Також проаналізовано кла-сифікацію існуючих спектральних методів злиття, а саме на основі пірамідаль-них перетворень та злиття на основі дискретних перетворень. Визначено, що методи злиття на основі дискретного перетворення базуються на спектральних перетвореннях, таких як дискретне косинусне перетворення, дискретне вейвлет перетворення та ін. Проведено загальний огляд методів вейвлет перетворення та встановлено, що структура обчислення ДВП відповідає банку октавних смугових фільтрів: пряме ДВП відповідає банку аналізуючого фільтра, тоді як обернене дискретне вейвлет перетворення відповідає банку синтезуючого фільтра, при цьому банк фільтрів є дискретним. Крім того, базові вейвлет функції є важливою структур-ною складовою вейвлет аналізу, оскільки, їх правильний вибір суттєво впливає на ефективність самого вейвлет перетворення. Аналіз спектральних методів злиття зображень на основі вейвлет-перетворення показав, що найбільш поширеними методами злиття зображень в 5 основі яких лежить вейвлет-перетворення є дискретне вейвлет-перетворення, комплексне вейвлет-перетворення з подвійним деревом та стаціонарне вейвлет-перетворення, також було визначено їх переваги та недоліки. Проведено дослідження ефективності методів злиття зображень видимого та інфрачервоного діапазонів та її оцінювання на основі критеріїв PSNR, SSIM та MI. Встановлено, що у більшості випадків найкращі результати отримано при використанні комплексного вейвлет-перетворення з подвійним деревом. Також досліджено вплив кількості рівнів розкладу та типу базової функ-ції вейвлет-перетворення на результативність злиття зображень за критерієм взаємної інформації. Ключові слова – злиття зображень, вейвлет, вейвлет перетворення, дис-кретне вейвлет-перетворення, комплексне вейвлет-перетворення з подвійним деревом, стаціонарне вейвлет-перетворення, мультимодальні зображення. Перелік використаних літературних джерел: 1. Mamta Sharma, (2016). A Review: Image Fusion Techniques and Applications. International Journal of Computer Science and Information Technologies, 7(3), 1082-1085. 2. Dhirendra Mishra and Bhakti Palkar, (2015). Image Fusion Techniques: A Review. International Journal of Computer Applications, 9 (130), 7-10. DOI: 10.5120/ijca2015907084 3. Смоленцев Н.К. Основы теории вейвлетов. Вейвлеты в MATLAB. 5-е изда-ние. – М.: ДМК Пресс. – 2019. 4. Наконечний А. Й. Цифрова обробка сигналів: навчальний посібник / А. Й. Наконечний, Р. А. Наконечний, В. А. Павлиш. – Львів : Видавництво Львів-ської політехніки, 2010. – 368 с. 5. Sahu, V.K., & Sahu, D.K. (2014). Image fusion using Wavelet Transform: A Review. Global journal of computer science and technology. 6