پارامترهای ارزیابی کیفیت برای تلفیق تصویرمکرر با استفاده از منطق فازی و عصبی-فازی و کاربردها

چکیده

کلیدواژه ها

1. مقدمه

2. تلفیق تصویر مبتنی بر فازی

3. تلفیق تصویر مبتنی بر عصبی-فازی

4. شاخص های ارزیابی برای تلفیق تصویر

4.1 شاخص کیفیت تصویر (IQI) 

4.2 سنجه اطلاعات متقابل (MIM) 

4.3 ضریب تلفیق (FF) 

4.4 تقارن تلفیق (FS) 

4.5. شاخص تلفیق (FI)

4.6. خطای جذر میانگین مربعات (RMSE) 

4.7. نسبت پیک سیگنال به نویز (PSNR) 

4.8. آنتروپی 

4.9. ضریب همبستگی (CC)

4.10. فرکانس مکانی (SF) 

5. نتایج و بحث

شکل 1: برخی از تصاویر مثال (a)، (b)، (g)، (h)، (m)،(n)، (s) و (t)

جدول 1. شاخص های ارزیابی برای تلفیق تصویر بر اساس فازی، عصبی-فازی، و رویکردهای منطق عصبی فازی مکرر

6. نتایج و بحث 

تلفیق تصویر فرایندی است برای کاهش نامعلومی و پراکندگی در زمان بازیابی اطلاعات ارزشمند از تصاویر اصلی. تلفیق تصویر برای زمینه های مختلفی مانند سنجش از راه دور، تصویربرداری پزشکی، بینایی ماشین و زیست سنجی نیاز است. در این مقاله، از تلفیق تصویر مکرر با استفاده از رویکردهای منطق فازی و عصبی-فازی برای تلفیق تصاویر گرفته شده از سنسورهای مختلف، به منظور تقویت درک تصویر، استفاده می شود. کار پیشنهاد شده مقایسه ی بین تلفیق تصویر مبتنی بر فازی، تلفیق فازی مکرر، منطق عصبی- فازی مبتنی بر تلفیق تصویر و تلفیق تصویر مکرر را نیز با استفاده از تکنیک های منطق عصبی- فازی از طریق معیارهای ارزیابی کیفیت برای تلفیق تصویر مانند شاخص کیفیت تصویر، سنجه اطلاعات متقابل، ضریب تلفیق، تقارن تلفیق، شاخص تلفیق، خطای جذر میانگین مربعات، نسبت پیک سیگنال به نویز و فرکانس مکانی بررسی می کند. نتایج تجربی به دست آمده از روش پیش نهادی ثابت می کنند که استفاده از تلفیق فازی مکرر و تلفیق عصبی-فازی مکرر می تواند به صورت موثر اطلاعات غیر واقعی را در هنگام افزایش اطلاعات مکانی سنجش از راه دور و تصویربرداری پزشکی حفظ کند.

یک روش تلفیق تصویر دومرحله ای برای تقویت رویکرد تصویر دو مرحله ای برای تشخیص هدف رادار از پشت دیوار استفاده می شودکه شامل هر دو روش تلفیق حسابی و مبتنی بر منطق فازی برای تقویت تشخیص اهداف ثابت در کاربردهای تصویربرداری راداری از پشت دیوار است [1]. از تبدیل کانتورلت غیر زیرنمونه ای برای تجزیه ی چند-وضوحی تصاویر منبع، و منطق فازی برای اندازه گیری وزن های تلفیق بهینه ی ضرایب NSCTپایین گذر برای فرآیند تلفیق، استفاده می شوند [2]. تلفیق کانتورلت-تصویر پایه فازی چند سطحی برای کاربردهای پزشکی،یک سیستم تلفیق تصویر را برای مهندسی پزشکی بر اساس تبدیل کانتورلت و تکنیک استدلال فازی چند سطحی پیشنهاد می دهد که در آن اطلاعات مفید حاصل از دو تصویر پزشکی با مکان ثبت شده،در تصویر جدیدی ادغام می شوند که می تواند برای تشخیص بالینی و درمان دقیق تر استفاده شود [3]. رویکرد عصبی فازی برای تلفیق تصاویر پزشکی با رویکرد جدیدی به مساله تلفیق تصاویر پزشکی (MIF) چند حالته ی چند سنسوره می پردازد، که تحلیل هندسی چند مقیاسی تبدیل کانتورلت غیر زیرنمونه ای و شبکه عصبی پالس-جفت کاهش یافته (RPCNN) فازی-تطبیقی را به کار می گیرد. قدرت های پیوندی نورون هایRPCNN هابه صورت تطبیقی با مدل سازی آنها به عنوان مقادیر عضویت فازی، که نشان دهندهاهمیت شان در تصویر منبع مربوطه هستند، تعیین می شوند [4]. تکنیک های تلفیق فازی برای تشخیص ویژگی های خطی در تصاویر SAR چند-زمانی بر نوردهی خودکار رویه ی خطی در تصاویر ماهواره ای SAR برای استخراج شبکه راه تاکید دارند [5]. تکنیکی جدید از طریق مرتبط کردن ایده ی ارتباط متقابل بین پیکسل های به هم پیوسته و شبکه های عصبی با پس انتشار، که در آن سه ویژگی برای تعیین پیکسل روشن در نظر گرفته می شوند و آن پیکسل ها برای تشکیل تصویر تلفیق شده اولیه ترکیب می شوند [6]. بر اساس اصول تبدیل موجک وقطعه ای از منحنی، روشی برای تلفیق تصویر پیشنهاد شد و ثابت کرد که این نتایج در مقایسه با تکنیک های دیگر بهتر هستند [7]. در [8]، رویکردهای مختلف برای تلفیق تصاویر پزشکی بررسی شده اند و به این نتیجه رسیده است که MIN-SUM-MOM از نوع FISعملکرد بهبود یافته ای را نسبت به تکنیک های دیگر تولید می کند [8]. [9] کاربردی از فیلتر کالمن را برای تلفیق در سطح پیکسل ارائه می دهد و قابلیت فیلتر کالمن در سنجش از راه دور را تایید می کند. در [10]، تلفیق تصویر فازی تطبیقی و دارای وزن فازیبر تبدیل موجک اعمال می شوند، و ثابت می شود که روش پیشنهادی مشکلات نامشخص در تلفیق تصویر را حل میکند و قابلیت حذف نویز را بهبود می دهد. در [11]، تصاویر در ابتدا توسط تبدیل موجک تجزیه می شوند، و از طریق قاعده گزینش بیشینه، باندهای دارای فرکانس پایین و بالا تلفیقی شوند و آنتروپی با استفاده از تکنیک ایجاد پنجره بیشینه می شود. روش تلفیق حسگری فشاری بر اساس قطعات جهتی پیشنهاد شد که در آن ماتریس پراکندگی از نمایش پراکندگی ضریب قطعات جهت، و به دنبال آن ماتریس های پراکندگی تلفیق با طرح بیشینه مقدارمطلق ضریب به دست آمد[12]. روش تبدیل موجک پیچیده درختی دوگانه (DT-CWT) برای تلفیق تصویربه منظور غلبه بر مشکل واریانس تغییر با استفاده از تبدیل موجک پیچیده برگشت پذیر و گسسته پیشنهاد شد [13]. تلفیق تصویردر سطح پیکسل با استفاده از رویکرد منطق فازی همراه با سنجه های ارزیابی کیفیت تحلیل شده است، و بهبود قابل توجهی را بر روی کیفیت تصویر تلفیق شده ارائه می دهد [14].