ایک بہتر تصویر فیوژن الگورتھم
ہم شینزین چین میں ایک بڑی پرنٹنگ کمپنی ہیں. ہم تمام کتاب کی اشاعتیں، ہائیکورور کتاب پرنٹنگ، پیپریکور بکنگ، ہارڈکورٹ نوک بکس، سپائلڈ کتاب پرنٹنگ، سیڈل سٹچنگ کتاب پرنٹنگ، کتابچہ پرنٹنگ، پیکیجنگ باکس، کیلنڈر، تمام قسم کے پیویسی، مصنوعات کی بروشر، نوٹ، بچوں کی کتاب، اسٹیکرز، تمام پیشکش کرتے ہیں. خاص کاغذ رنگ پرنٹنگ کی مصنوعات کی طرح، کھیل cardand اسی طرح.
مزید معلومات کے لیے ملاحظہ کریں
http://www.joyful-printing.com. صرف ENG
http://www.joyful-printing.net
http://www.joyful-printing.org
ای میل: info@joyful-printing.net
پہلا. تعارف
تصویری فیوژن دو یا زیادہ سے زیادہ سینسر کی طرف سے حاصل کردہ تصویر کی معلومات کی ترکیب کی ایک اور زیادہ درست اور امیر تصویر بنانے کے لئے ہے. تصویری فیوژن کو کم سے زیادہ سے تین سطحوں میں تقسیم کیا جاتا ہے: پکسل سطح فیوژن، خصوصیت کی سطح فیوژن اور فیصلہ کی سطح کے فیوژن. تصویر فیوژن میں ویولیٹ کو تبدیل کرنا عام طور پر استعمال شدہ طریقہ ہے. ریسرچ سے پتہ چلتا ہے کہ لہروں کی تبدیلی میں اعلی جہتی معاملات میں زیادہ سے زیادہ تقریب نمائندگی کا طریقہ نہیں ہے. مزید تصاویر مؤثر طریقے سے تصاویر کے طور پر اعلی جہتی مقامی اعداد و شمار کی نمائندگی اور عمل کرنے کے لئے، محققین نے کثیر پیمانے پر جیومیٹک تجزیہ کے آلے جیسے آرجلیٹ، وکولی، بینڈیٹ، کوروریٹ اور ویویلیٹ-کنورٹیٹ کی ایک سلسلہ پیش کی ہے. مجوزہ طریقوں تصویر فیوژن کے میدان میں زیادہ سے زیادہ موثر فیوژن طریقوں کی تعمیر کے لئے بنیاد رکھی ہے.
ویولیٹ کو تبدیل کرنے اور کنورٹیٹ تبدیل کرنے میں تصویر کے فیوژن کے لئے دو اہم اور عام طور پر استعمال شدہ اوزار ہیں. ویویلیٹ کو دونوں اصولوں اور عملی ایپلی کیشنز میں تبدیل کر دیا جاتا ہے. یہ ہمیشہ تصویر کے فیوژن کے لئے ایک عام آلہ ہے، لیکن یہ صرف تین ہدایات میں معلومات حاصل کرسکتا ہے: افقی، عمودی اور اختیاری. کنورٹیٹ تبدیل کرنے والی لہروں کی سمت تبدیل کرنے کے لئے معاوضہ معاوضہ اور تصویر کی کسی بھی سمت میں معلومات حاصل کر سکتی ہے. ایک ہی وقت میں، لہروں میں تبدیلی اور کنورٹیٹ نے اس تصویر کو اسی طرح سے تبدیل کر دیا ہے، جس میں، تصویر کم تعدد اور اعلی فریکوئینسی حصوں میں خارج ہو جاتی ہے، اور تصویر کے فیوژن کو بالترتیب کم تعدد اور اعلی تعدد میں انجام دیا جاتا ہے. لہذا، لہروں میں تبدیلی اور کنورریٹ تبدیل کرنے کی تصویر کی کارکردگی کو بہتر بنانے کے لئے مل کر کیا جا سکتا ہے.
تصویری فیوژن کی تحقیق نہ صرف الگورتھم کی تحقیق، بلکہ فیوژن کے قوانین کی تحقیق بھی شامل ہے. فیوژن کے قواعد اب عام طور پر علاقہ (یا windowing) فیوژن کے قوانین کو منتخب کرتے ہیں. کیونکہ کم تعدد بنیادی طور پر تصویر کی توانائی کی معلومات کو ظاہر کرتا ہے، اور اعلی فریکوئنسی کی تصویر کی حد کی معلومات کو ظاہر کرتا ہے، جو کہ تبدیلی کی ڈگری ہے. متغیر بھی تصویر پکسلز کے درمیان مجموعی تبدیلی کی عکاسی کرتا ہے. لہذا، اس کاغذ میں، اعلی تعدد حصہ میں وزن والے اوسط کے علاقائی تبدیلی کا انتخاب کرنے کے فیوژن کا طریقہ منتخب کیا جاتا ہے.
دوسرا، بٹوے کے کنورٹر تبدیل
1. واؤلیٹ تبدیل
1989 ء میں، برٹ اور ایڈزسن کی تصویر کی خرابی اور تعمیراتی پرامڈ الورجیتھم (گوس-لپلس پرامڈ الوروریتھم) کی طرف سے حوصلہ افزائی کی گئی، مالات نے کمپیوٹر وژن کے میدان میں بھوکے تجزیہ میں کثیر پیمانے پر تجزیہ کے خیالات متعارف کرایا. تجزیہ تجزیہ کا تصور مالات روزہ الگورتھم کی طرف سے دیا جاتا ہے.
دو جہتی مالیٹ الگورتھم کا اظہار کیا جا سکتا ہے:
فارمولا میں، مقامی قرارداد میں کم تعدد اجزاء بالترتیب قرارداد میں افقی، عمودی اور اختیاری ہدایات میں اعلی تعدد اجزاء ہیں. قطع نظروں کا ایک سیٹ کے طور پر، یہ ایک آئرن منحصر فلٹر ہے.
2. تبدیل کریں
چونکہ لہر کی تبدیلی میں تصویر اچھی طرح سے تصویر کی سمت کی معلومات کی نمائندگی نہیں کرتی ہے. 2002 ء میں، ڈو اور ویتلیلی نے کونسلورٹ کو تبدیل کرنے کا تجویز کیا. Contourlet کو ایک کثیر قرارداد، مقامی اور دشاتمک تصویری نمائندگی کا طریقہ تبدیل ہے. یہ کسی بھی سمت میں معلومات فراہم کرسکتا ہے اور دو جہتی تصویر کی ایک وسیع نمائندگی ہے. Contourlet میں تبدیلی دو چینل فلٹر بینک کا استعمال کرتا ہے جو دو مرحلے میں تصویر پر عمل کرتی ہے:
2.1 لپلیسیئن پرامڈ (ایل پی) ان پٹ تصویر کو خارج کرنے کے لئے استعمال کیا جاتا ہے. ایل پی کمیشن چار مرحلے پر مشتمل ہے: کم پاس فلٹرنگ، نیچے نمونے، مداخلت کی افادیت، اور بینڈ پاس فلٹرنگ. کم فریکوئینسی subbands کے مسلسل ایل پی کو ختم کرنے میں مختلف تعدد کی ایک حد پر کم فریکوئنسی اور اعلی فریکوئنسی subbands پیدا.
2.2 LP تخریب کی طرف سے حاصل اعلی تعدد سمتلی فلٹر بینک پر سمت کی تجزیہ کا تجزیہ کیا جاتا ہے. دراصل فلٹر بینک کا مقصد تصویر کی سمتالعال اعلی تعدد معلومات پر قبضہ کرنا ہے اور ایک ہی سمت میں ایک واحد سمت میں واحد پوائنٹس کو یکجا کرنا ہے.
دراصل فلٹر بینک نے تصویر کی درخت کی سطح کی ساخت کو خارج کر دیا ہے، اور فریکوئینسی ڈومین کو ذیلی بینڈوں میں خارج کر دیا ہے، جن میں سے ہر ایک کے پگڑی کا سائز ہے. یہ طریقہ سب سے پہلے شکل میں دکھایا گیا فین فلٹر کا استعمال کرتی ہے اور پانچ نمونے لگانے والے فلٹرز کو دو ذیلی بینڈ، افقی اور عمودی میں ان پٹ کی تصویر کو خارج کرنے کے لۓ، اور اس کے نتیجے میں قارئین کو دوبارہ لگانے والی آپریٹر بینڈ متعارف کرایا جاتا ہے.
شکل 1 فلٹر بینک (فین فلٹر اور پانچ نمونے فلٹر)
شناختی شکل پانچ نمونے لگانے والی ریاضی کی نمائندگی کرتا ہے، اور سیاہ شعبے کے علاقے ہر فلٹر کے لئے مثالی فریکوئنسی ڈومین کو خارج کر دیتا ہے.
3. وایلیٹ - کنورٹر تبدیل
Contourlet میں تبدیلی کے پہلے مرحلے میں استعمال ہونے والی ایل پی تخفیف بے شمار ہے، نتیجے میں Contourlet کو تبدیل کرنے کے 4/3 بے شمار ہیں. اس کے علاوہ، ایل پی کی کمی سے متعلق تعلق کو بھی برداشت نہیں ہے جیسا کہ لہر میں تبدیل ہوتا ہے. مندرجہ بالا مسائل کے جواب میں، اسلمی آر اور راہد ایچ نے تجویز پیش کی کہ ایک بٹوے کے کنورٹر کو تبدیل کیا جائے. بٹوے کے کنورٹر تبدیل کرنے کے دو مرحلے فلٹر بینک سے تعلق رکھتا ہے. پہلا مرحلہ خرابی کی وجہ سے تصویر کے اعلی فریکوئنسی اجزاء کو حاصل کرنے کے لئے تبدیل کر دیا جاتا ہے، اس طرح ذیلی خلائی تفصیل کی معلومات کے رابطے کو کم کرنا ہے. دوسرا مرحلے دراصل فلٹر بینک کا استعمال کرتا ہے. اعلی تعدد کے تمام سمتوں میں سببینڈس حاصل کئے جاتے ہیں. جیسا کہ شکل 2 میں دکھایا گیا ہے:
تیسرا، متغیر انتخاب اوسط فیوژن الگورتھم پر مبنی ہے
اس کاغذ میں دی گئی فیوژن الگورتھم کے اقدامات مندرجہ ذیل ہیں:
1 بٹوے کے کنورٹر پرفارمنس بائیں دھندلاہٹ تصویر اور صحیح دھندلاہٹ تصویر کو تبدیل کر دیتا ہے، اور کم فریکوئنسی حصہ اور ذریعہ تصویر کے اعلی فریکوئینسی حصہ حاصل کرنے؛
2 کم فریکوئنسی حصہ سادہ وزن میں اوسط فیوژن حکمرانی کا استعمال کرتا ہے.
بٹوے - کنورٹیٹ کی طرف سے تصویر کو تبدیل کرنے کے بعد، کم تعدد کی گنجائش بنیادی طور پر اصل تصویر کی زیادہ تر توانائی کو توجہ مرکوز کرتی ہے، جس کی تصویر کا جائزہ تعین کرتا ہے. اس کاغذ میں، ہم کم فریکوئنسی subband coefficients کے لئے کم وزن میں اوسط فیوژن کا استعمال کرتے ہیں.
3 اعلی فریکوئنسی حصہ متغیر انتخاب وزن اوسط کے فیوژن حکمران کو قبول کرتا ہے.
جڑواں کنٹوریٹ کی طرف سے تصویر کو تبدیل کرنے کے بعد، اعلی تعدد گنجائش بنیادی طور پر تصویر کی تفصیلات اور کنارے کی معلومات پر مشتمل ہے. ہر اعلی فریکوئینسی ذیلی بینڈ کی گہری نشاندہی کی خصوصیات کو جوڑتا ہے. اس مقال میں، متغیر انتخاب کی بنیاد پر ایک فیوژن الگورتھم اپنایا جاتا ہے. فیوژن قوانین مندرجہ ذیل ہیں:
سب سے پہلے، بائیں طرف کی طرف سے دھول کی تصویر کی اعلی فریکوئنسی کی خرابی کی پرتوں اور دائیں طرف کی دھندلاپی تصویر حاصل کی جاتی ہے، اور متعلقہ ہدایات میں اسی پکسلز کے مقامی متغیرات درج ذیل میں درج ہیں. فارمولہ کے لئے فارمولہ (2) دیکھیں:
پھر اسے معمول کریں:
حد کی وضاحت کریں: یہ مضمون تخروپن لیتا ہے. پھر وہاں ہیں:
جہاں بھی، بالترتیب، خراب تصویر، تصویر، اور خراب شدہ پرت اور سمت میں تصویر کی پکسل اقدار کی نمائندگی کرتے ہیں. یہ مساوات (5) اور (6) سے دیکھا جاسکتا ہے کہ جب معمول کی تصاویر A اور B کے مقامی متغیر اقدار بڑے ہیں، اس کا مطلب یہ ہے کہ ایک تصویر میں امیر کنارے کی تفصیلات کی معلومات ہوتی ہے، جبکہ دوسری تصویر پر مشتمل ہے کم کنارے کی تفصیلات کے ساتھ ، بڑے مقامی متغیر کے ساتھ پکسل کی قیمت کو ضبط گونج کے طور پر منتخب کیا جاتا ہے؛ جب دو تصاویر معمول کی جاتی ہیں تو، مقامی متغیر قریب ہے، اس بات کا اشارہ ہے کہ دونوں تصاویر امیر کنارے کی تفصیلات کی معلومات رکھتے ہیں. وزن کے اوسط فیوژن الگورتھم کو فیوژن کے بعد لہروں کو گیس کا تعین کرنے کے لئے استعمال کیا جاتا ہے. معلومات کی نقصان سے بچنے کے دوران اس تصویر کی تفصیلی خصوصیات کو محفوظ رکھتا ہے.
4 حتمی ضائع شدہ تصویر حاصل کرنے کے لئے ایک بٹوے کے کنورٹر انوائس تبدیل کرنے کی کارکردگی کا مظاہرہ کریں.
تصویر 3 میں مخصوص عمل دکھایا گیا ہے.
شکل 3 ویویلیٹ-Contourlet تصویر فیوژن بلاک ڈایاگرام تبدیل
چوتھے، تشخیص کے اشارے اور تجربہ کار نتائج کے تجزیہ کا انضمام
مجوزہ الگورتھم کی مؤثریت کی توثیق کرنے کے لئے، ایک ہی فیوژن کے قوانین کے تحت، یہ لہروں کی تبدیلی کے ساتھ مقابلے میں ہے اور کنورٹیٹ تبدیل. تصویر ڈی بی 5 لہر کا استعمال کرتے ہوئے خارج کر دیا گیا ہے اور دوبارہ تعمیر کیا جاتا ہے. حد کی حد 0.6 کے طور پر لیا جاتا ہے.
مبنی طور پر جعلی تصویر کا اندازہ کرنے کے لئے، حوالہ کی تصویر کے طور پر ایک صاف گرےکل کی تصویر کو منتخب کیا گیا تھا. فاسٹ تصویر اور حوالہ تصویر کے کراس entropy، انحراف اور مقامی فریکوئنسی فیوژن اثر کے پیشہ اور cons کا جائزہ لینے کے لئے مقصد کے معیار کے طور پر استعمال کیا جاتا ہے.
1. کراس ایپروپی
جعلی تصویر اور معیاری ریفرنس تصویر کے کراس ادراپی کے طور پر بیان کیا جاتا ہے:
مساوات میں (7)، رقم سرمئی اقدار کی رقم کا امکان ہے. تصویر کی کل بھوری سطح. کراس ایپروپی، جو بھی رشتہ دار ادارہ کے طور پر جانا جاتا ہے، دو تصاویر کے درمیان فرق کا اندازہ کرنے کے لئے ایک اہم اشارہ ہے. کراس entropy چھوٹا، وضاحت اور رقم کے درمیان چھوٹا سا چھوٹا، اس سے زیادہ معلومات نکال دی جاتی ہے، یہ ہے کہ، تصویر ضم کرنے کا اثر بہتر ہے.
2. انحراف
انحراف اور بیان کیا گیا ہے:
فارمولہ (8) میں، رقم کی گریجویشن اقدار باقاعدگی سے اشارہ ہیں. انحراف کی شدت بھوری قیمت کی فرق کی نمائندگی کرتی ہے. چھوٹا سا انحراف، فیوژن اثر بہتر ہے.
3. مقامی تعدد
تصویر کی مقامی فریکوئنسی یہ ہے:
(9) تصویر کی لائن تعدد ہے، اور اس کے حساب سے فارمولہ دکھایا گیا ہے (10):
(9) تصویر کی کالم فریکوئنسی ہے، اور اس کے حساب سے فارمولہ جیسا کہ دکھایا گیا ہے (11):
مندرجہ بالا فارمولا پکسل کی پوزیشن پر سرمئی قیمت کی نمائندگی کرتا ہے، اور ترتیبات کی تعداد اور ترتیب کے کالموں کی تعداد کی نمائندگی کرتی ہے.
ایک تصویر کی مقامی تعدد متغیر سے متعلق ایک اشارے ہے، جس کی تصویر مقامی ڈومین کی مجموعی سرگرمی کی عکاسی کرتی ہے. وسیع مقامی فریکوئنسی، زیادہ فعال تصویر، واضح تصویر، اور تصویر مرکب اثر بہتر.
شکل 4 فیوژن تجربے کے نتائج کو ظاہر کرتا ہے. شناخت 4 (a) معیاری حوالہ تصویر ہے، پیک 4 (b) بائیں طرف گاسویٹر فلٹر کی طرف سے استعمال کرنے کی تصویر ہے، اور تصویر 4 (c) تصویر کا حق ہے کہ گاؤوی فلٹر نے دائیں طرف سے استعمال کیا ہے. طرف شکل 4 (ڈی) جھاڑو تبدیل کرنے کے بعد ضائع شدہ تصویر ہے، شکل 4 (ای) کو تبدیل کرنے کے بعد فلا تصویر ہے، اور Contiglet کو تبدیل کرنے کے بعد، اور 4.
(الف) معیاری حوالہ تصویر (ب) بائیں طرف بنے ہوئے بلاؤر تصویر (c) دائیں طرف پر استعمال ہونے والی دھندلا تصویر
(د) واؤلیٹ انتخاب کے اوسط (ای) کنورٹیٹ انتخاب اوسط (f) بٹوے - کنورٹر انتخاب اوسط
فیوژن کے تین تین تبدیلیوں کی کارکردگی کے اعداد و شمار کے اعداد و شمار ٹیبل 1 میں دکھایا گیا ہے.
ٹیبل 1 1 تین فیوژن تبدیلیوں کی کارکردگی کے مقابلے میں ڈیٹا کا تجزیہ
یہ ٹیبل 1 سے دیکھا جاسکتا ہے کہ لہروں کو تبدیل کرنے کے بعد، لہروں کے کنورٹ نے مقامی تعدد کو 11.27 فی صد میں تبدیل کر دیا ہے، انحراف 10.84٪ لہروں کی تبدیلی کے مقابلے میں کم ہے، اور کراس entropy 23.81٪ لہر سے کم ہے تبدیل کریں.
Contourlet کو تبدیل کرنے کے مقابلے میں ویٹلیٹ کنورٹر تبدیل کرنے کے مقامی جگہوں سے تقریبا ایک جیسی ہے. انحراف Contourlet تبدیل کرنے کے مقابلے میں 1.91٪ کم ہے، اور کراس entropy Contourlet تبدیل کرنے کے مقابلے میں 11.11٪ کم ہے. لہذا، تشخیص کے اشارے پر غور کیا جاتا ہے، پیش کردہ الگورتھم کی تاثیر کی تصدیق کی جاتی ہے.
V. نتیجہ
اس مقال میں، اعلی تعدد زاویہ کے لئے وزن والے اوسط کے علاقائی متغیرات کو منتخب کرنے کے لئے ایک بہتر الگورتھم پیش کیا جاتا ہے، اور کم تعدد کے لئے وزن میں اوسط پراسیسنگ کا استعمال کیا جاتا ہے. تجربات سے پتہ چلتا ہے کہ مجوزہ الورجیتھم زیادہ آسانی سے تصویر کی تفصیلات اور کنارے کی معلومات کو حاصل کرسکتا ہے. تجرباتی اعداد و شمار کے مطابق، لہروں کے کنورٹر کے انفیکشن اور کراس انفرادی تبدیلیوں کے مقابلے میں کم ہوتے ہیں اور کنورٹیٹ تبدیل کر دیتے ہیں.
لہذا، ایک ہی فیوژن کی حکمرانی کے تحت، لہروں کے کنورٹر کی بنیاد پر تصویری فیوژن الگورتھم تبدیل کر لیتا ہے اور خطے کی تبدیلی کے وزن میں اوسط اوسط لہروں کی تبدیلی کے مقابلے میں بہتر نتائج حاصل کرسکتا ہے اور Contourlet فیوژن الگورتھم کو تبدیل کر سکتا ہے.