[论文解读] Multi-focus image fusion using VOL and EOL in DCT domain

Mostafa Amin Naji, Ali Aghagolzadeh|arXiv (Cornell University)|Oct 17, 2017

Image Processing Techniques and Applications参考文献 21被引用 5

一句话总结

该论文提出了一种新颖的DCT域多焦点图像融合方法，采用拉普拉斯方差（VOL）和拉普拉斯能量（EOL）作为对比度度量，以提高块选择的准确性。通过推导出四种专用矩阵，实现VOL和EOL在DCT域内的直接计算，减少了焦点区域检测中的误差，在JPEG图像上的融合质量优于以往基于DCT的方法。

ABSTRACT

The purpose of multi-focus image fusion is gathering the essential information and the focused parts from the input multi-focus images into a single image. These multi-focused images are captured with different depths of focus of cameras. Multi-focus image fusion is very time-saving and appropriate in discrete cosine transform (DCT) domain, especially when JPEG images are used in visual sensor networks (VSN). The previous works in DCT domain have some errors in selection of the suitable divided blocks according to their criterion for measurement of the block contrast. In this paper, we used variance of Laplacian (VOL) and energy of Laplacian (EOL) as criterion to measure the contrast of image. Also in this paper, the EOL and VOL calculations directly in DCT domain are prepared using vector processing. We developed four matrices which calculate the Laplacian of block easily in DCT domain. Our works greatly reduce error due to unsuitable block selection. The results of the proposed algorithms are compared with the previous algorithms in order to demonstrate the superiority of the output image quality in the proposed methods. The several JPEG multi-focus images are used in experiments and their fused image by our proposed methods and the other algorithms are compared with different measurement criteria.

研究动机与目标

• 解决在DCT域中进行多焦点图像融合时块选择不准确的问题。
• 通过使用VOL和EOL作为对比度度量，替代传统的块对比度准则，以提高融合质量。
• 实现在DCT域内VOL和EOL的直接计算，避免重建误差。
• 开发一种快速、高效的融合方法，适用于视觉传感器网络（VSN）中的实时应用。
• 通过标准图像质量度量，证明该方法在性能上优于现有基于DCT的融合算法。

提出的方法

• 该方法使用拉普拉斯方差（VOL）和拉普拉斯能量（EOL）作为对比度度量，以评估图像块的聚焦质量。
• 通过推导出的四个矩阵，直接在DCT域内实现VOL和EOL的计算，避免进行逆DCT变换。
• 基于DCT系数的向量处理，实现DCT域内VOL和EOL的计算，从而实现高效且精确的聚焦区域检测。
• 根据VOL和EOL的最大值选择块，以识别输入图像中最为聚焦的区域。
• 通过基于DCT的融合策略，将来自输入多焦点图像的最聚焦块组合生成最终融合图像。
• 该方法针对JPEG压缩图像进行了优化，因此适用于带宽受限的视觉传感器网络。

实验结果

研究问题

• RQ1 能否通过在DCT域内直接计算VOL和EOL，提升多焦点图像融合中的块选择准确性？
• RQ2 与传统的块对比度方法相比，所提出的DCT域VOL和EOL计算在融合质量方面表现如何？
• RQ3 该方法在基于DCT的融合中，能在多大程度上减少因错误块选择导致的误差？
• RQ4 与基于重建的方法相比，VOL和EOL在DCT域内的直接计算是否能保持或提升图像质量？
• RQ5 在真实世界JPEG压缩的多焦点图像上，该方法在标准融合度量指标下的表现如何？

主要发现

• 所提出的方法通过在DCT域内使用VOL和EOL作为鲁棒的聚焦度量，显著减少了块选择误差。
• VOL和EOL在DCT域内的直接计算避免了重建损失，从而实现了更精确的聚焦区域识别。
• 实验结果表明，该方法在多种图像质量度量下，融合质量优于以往基于DCT的方法。
• 使用四个专用矩阵实现了无需逆DCT变换的高效且精确的VOL和EOL计算，提升了计算速度。
• 在多个JPEG多焦点图像数据集上的实验结果证实，该方法在保留聚焦区域和减少伪影方面具有显著优势。
• 由于其高效性与对JPEG压缩的兼容性，该方法在视觉传感器网络中表现出色。