ادغام تصاویر چند کانونی با استفاده از تبدیلهای انتگرالی
First Statement of Responsibility
/پریوش محمودزاده باغبانی
.PUBLICATION, DISTRIBUTION, ETC
Name of Publisher, Distributor, etc.
: مهندسی برق وکامپیوتر
Date of Publication, Distribution, etc.
، ۱۳۹۵
Name of Manufacturer
، افشاری
NOTES PERTAINING TO PUBLICATION, DISTRIBUTION, ETC.
Text of Note
چاپی
DISSERTATION (THESIS) NOTE
Dissertation or thesis details and type of degree
کارشناسی ارشد
Discipline of degree
مهندسی برق والکترونیک
Date of degree
۱۳۹۵/۱۱/۰۵
Body granting the degree
دانشگاه تبریز
SUMMARY OR ABSTRACT
Text of Note
تصویری که در هرجایی دارای وضوح است، از تصویری که فقط دریک شی وضوح دارد اطلاعات بیشتری دارد .تصاویر چند کانونی در بسیاری از زمینهها از قبیل تصویربرداری دیجیتالی، تصویربرداری میکروسکوپی، سنجشازدور، بینایی کامپیوتر و رباتیک مفید هستند .متأسفانه به دلیل محدودیت عمق میدان عدسیهای نوری به دست آوردن یک تصویر که تمام اشیا مربوطه آن واضح باشد، دشوار است .چراکه اشیا در مقابل یا پشت صفحه کانونی، تار میشوند .یکراه مناسب برای حل این مشکل ادغام تصاویر است که در آن میتوان یک سری از تصاویر با تنظیمات کانونی مختلف به دست آورد .ادغام تصاویر چند کانونی یک روش کارآمد برای ایجاد یک تصویر سرتاسر واضح با ترکیب دو یا چند تصویر از یک منظره به یک تصویر ترکیبی است .اصل اساسی در ادغام تصاویر چند کانونی، ادغام کردن همه اطلاعات مهم بصری تصاویر اصلی به یک تصویر ترکیبی بدون آرتیفکتهای مرسوم است .روشهای متعددی برای ادغام این نوع از تصاویر، بر مبنای استفاده از توابع تبدیل موجود هستند .در این پژوهش در نظر داریم برای ادغام تصاویر چند کانونی از تابع تبدیل هیلبرت که یک تبدیل انتگرالی است استفاده کنیم .تابع تبدیل هیلبرت تاکنون در ادغام تصاویر چند کانونی به کار گرفته نشده است و در نظر داریم از قوانین خاص ادغام برای ترکیب ضرایب تابع تبدیل هیلبرت استفاده کنیم .این فرایند بر روی یک مجموعه از دادهها آزمایششده و نتایج حاصل از ادغام توسط قانونهای متداول موجود در ترکیب ضرایب توابع تبدیل با یکدیگر مقایسه شده است .در این پژوهش معیارهای ارزیابی نظیر فرکانس مکانی، مکااطلاعات مشترک و معیار پترویچ مورد استفاده قرار گرفت
Text of Note
The image focusing everywhere contains more information than those which just focus on one object. This kind of images is useful in many fields such as digital imaging, microscopic imaging, remote sensing, computer vision and robotics. Unfortunately, due to the restricting depth-of-focus of optical lenses, it is difficult to get an image of all relevant objects in focus. Because the objects in front of or behind the focus plane would be blurred. A popular way to solve this problem is image fusion, in which one can acquire a series of pictures with different focus settings and fuse them to produce an image with extended depth of field. Multi-focus image fusion is an efficient technique to generate an all-in-focus clear image by combining two or more images of the same scene into one composite image. The main principle in multi-focus image fusion is to integrate all the important visual information of original images into the fused synthetic image without any artifacts introduced. Several methods for fusing this kind of image, based on the use of transfer functions are available. In this study, we intend to integrate multi-focus images of the Hilbert transform is an integral transform used. Hilbert transform function has not been used in multi-focus image fusion and we intend to integrate the specific rules for combining Hilbert transform function coefficients to be used. This process is tested on a set of data and results of fusing by common rules in combination with each other compared transform functions coefficients. In this study, evaluation criteria such as spatial frequency, mutual information and Petrovic metric used