Nâng cao chất lượng ảnh bằng phương pháp trộn ảnh từ hai nguồn ảnh khác nhau
102 lượt xemDOI:
https://doi.org/10.54939/1859-1043.j.mst.CAPITI.2024.161-167Từ khóa:
Thị giác máy; Xử lý ảnh; Khớp ảnh; Cải thiện chất lượng ảnh.Tóm tắt
Bài báo mô tả một phương pháp nâng cao chất lượng ảnh hồng ngoại bằng cách trộn ảnh từ hai nguồn ảnh camera thường và ảnh hồng ngoại cùng quan sát một cảnh. Hai ảnh từ hai camera khác nhau không có cấu trúc dữ liệu thống nhất: độ phân giải khác nhau, trường nhìn khác nhau (FOV) và điều chỉnh ống kính khác nhau. Để thực hiện việc nâng cao chất lượng một nguồn ảnh, trước tiên các hình ảnh phải được biến đổi về cùng điều kiện. Sau đó, hai ảnh được trộn với nhau để nâng cao chất lượng ảnh hồng ngoại. Kết quả thực nghiệm cho thấy tính hiệu quả của phương pháp khi chất lượng ảnh hồng ngoại được nâng cao.
Tài liệu tham khảo
[1]. Ying, Zhenqiang and Li, Ge and Ren, Yurui and Wang, Ronggang, and Wang, Wenmin, “A New Image Contrast Enhancement Algorithm Using Exposure Fusion Framework”, International Conference on Computer Analysis of Images and Patterns, Springer, pp.36-46, (2017). DOI: https://doi.org/10.1007/978-3-319-64698-5_4
[2]. Fu, Qingtao and Jung, Cheolkon and Xu, Kaiqiang, “Retinex-based perceptual contrast enhancement in images using luminance adaptation”, IEEE Access, volume 6, pp. 61277—61286, (2018). DOI: https://doi.org/10.1109/ACCESS.2018.2870638
[3]. Wang, Wencheng and Chen, Zhenxue and Yuan, Xiaohui and Wu, Xiaojin, “Adaptive image enhancement method for correcting low-illumination images”, Information Sciences, Elsevier, Volume 496, pp 25—41, (2019). DOI: https://doi.org/10.1016/j.ins.2019.05.015
[4]. Agrawal, Sanjay and Panda, Rutuparna and Mishro, PK and Abraham, Ajith, “ A novel joint histogram equalization based image contrast enhancement”, Journal of King Saud University-Computer and Information Sciences, Elsevier, (2019).
[5]. Hessel, Charles and Morel, Jean-Michel, “An extended exposure fusion and its application to single image contrast enhancement”, The IEEE Winter Conference on Applications of Computer Vision, pp. 137-146, (2020). DOI: https://doi.org/10.1109/WACV45572.2020.9093643
[6]. R. Brooks, S. Iyengar, “Multi-Sensor Fusion: Fundamentals and Applications”, Prentice Hall, (1998).
[7]. R. Luo and M. Kay, “Multisensor Integration and Fusion for Intelligent Machines and Systems”,
Ablex, Norwood, NJ, (1995).
[8]. H. Li and Y. Zhou, “Automatic visual/IR image registration,” Optical Engineering, 35(2), pp. 391- DOI: https://doi.org/10.1117/1.600908
, (1996).
[9]. R. Sharma and M.Pavel, “Multisensor image registration,” SID Digest, Society for Information
Display, XXVIII, pp. 951–954, (1997).
[10]. H. Li, B. Manjunath, and S. Mitra, “A contour-based approach to multisensor image registration,” IEEE Transactions on Image Processing, 4, No. 3, (1995). DOI: https://doi.org/10.1109/83.366480
[11]. D. G. Lowe, “Object Recognition from Local Scale-Invariant Features”, Proceedings of the Seventh 422 IEEE International Conference on Computer Vision, Vol. 2, pp. 1150–1157, (1999). DOI: https://doi.org/10.1109/ICCV.1999.790410
[12]. Herbert Bay, Andreas Ess, Tinne Tuytelaars, Luc Van Gool, “Speeded-Up Robust Features”, Computer Vision and Image Understanding (CVIU), Vol. 110, No. 3, pp. 346–359, (2008). DOI: https://doi.org/10.1016/j.cviu.2007.09.014
[13]. Rublee E, Rabaud V, Konolige K, Bradski G, “ORB: An efficient alternative to SIFT or SURF”, 2011 International Conference on Computer Vision, pp. 2564–2571, (2011). DOI: https://doi.org/10.1109/ICCV.2011.6126544
[14]. Marius Muja, David G. Lowe, “FLANN: Fast Library for Approximate Nearest Neighbors”, ACM International Conference on Multimedia (ACM MM), pp. 951-954, (2009).
[15]. Martin A. Fischler và Robert C. Bolles, “Random Sample Consensus: A Paradigm for Model Fitting with Applications to Image Analysis and Automated Cartography”, Communications of the ACM (ACM), pp.120-133, (1981). DOI: https://doi.org/10.1145/358669.358692
[16]. Jiayi Ma, Yong Ma, Chang Li, “Infrared and visible image fusion methods and applications: A survey”, Information Fusion Volume 45, pp. 153-178, (2019). DOI: https://doi.org/10.1016/j.inffus.2018.02.004
