基于尺度不变特征变换的苹果图像融合

doi:10.3969/j.issn.1006-2475.2017.10.002

计算机与现代化 ›› 2017, Vol. 0 ›› Issue (10): 5-9.doi: 10.3969/j.issn.1006-2475.2017.10.002

基于尺度不变特征变换的苹果图像融合

江南大学物联网工程学院,江苏无锡214122

收稿日期:2017-02-27 出版日期:2017-10-30 发布日期:2017-10-31
作者简介:罗晓清(1980-),女,江西南昌人,江南大学物联网工程学院副教授,博士,研究方向：模式识别与图像处理；王鹏飞(1992-),男,江苏盐城人,硕士研究生,研究方向：图像处理，机器学习。
基金资助:
江苏省自然科学基金资助项目（BK20151358, BK20151202）

Apple Image Fusion Based on Scale-invariant Feature Transform

School of IoT Engineering, Jiangnan University, Wuxi 214122, China

Received:2017-02-27 Online:2017-10-30 Published:2017-10-31

摘要/Abstract

摘要： 提出一种基于尺度不变特征变换的图像融合方法，用于辅助苹果质量检测。首先利用非下采样轮廓波变换将待融合图像分解为低频子带和高频子带；然后对低频子带利用尺度不变特征变换寻找特征描述子，并记录下每个特征描述子在低频子带中的位置，利用特征描述子构造一种内容匹配度指标，提出一种基于内容匹配度的混合融合策略用来融合低频子带；对高频子带利用绝对值取大的融合策略实现高频子带系数的融合；最后利用非下采样轮廓波逆变换生成融合图像。实验结果表明，本文提出的方法在苹果质量检测中是可行的、有效的。

关键词: 苹果质量检测, 图像融合, 尺度不变特征变换

Abstract: A scale-invariant feature transform based image fusion method is proposed to detect the quality of apple in this paper. First, source images are decomposed into low frequency subbands and high frequency suabbands by nonsubsampled contourlet transform (NSCT). Second, a scale-invariant feature transform (SIFT) method is employed to find descriptors of low frequency subbands, which are used to construct a content matching metric. Next, this metric is introduced into the fusion of low frequency subbands. Then, a choose-max fusion rule is adopted to fuse the high frequency subbands. At last, the composite subbands are converted into a fused image by the inverse NSCT. Experimental results show the proposed method is sufficient and efficient in the application of apple quality inspection.

Key words: apple quality inspection, image fusion, SIFT

罗晓清，王鹏飞. 基于尺度不变特征变换的苹果图像融合[J]. 计算机与现代化, 2017, 0(10): 5-9.

LUO Xiao-qing, WANG Peng-fei. Apple Image Fusion Based on Scale-invariant Feature Transform[J]. Computer and Modernization, 2017, 0(10): 5-9.

参考文献

［1］ Mallat S G. A theory for multiresolution signal decomposition: The wavelet representation［J］. IEEE Transactions on Pattern Analysis & Machine Intelligence, 1989,11(7):674-693.

［2］ Rockinger O. Image sequence fusion using a shift-invariant wavelet transform［C］// Proceedings of International Conference on Image Processing. 1997:288-291.

［3］ Do M N, Vetterli M. The contourlet transform: An efficient directional multiresolution image representation［J］. IEEE Transactions on Image Processing, 2005,14(12):2091-2106.

［4］ Cunha A L D, Zhou J, Do M N. The nonsubsampled contourlet transform: Theory, design, and applications［J］. IEEE Transactions on Image Processing, 2006,15(10):3089-3101.

［5］ Liang Junli, He Yang, Liu Ding, et al. Image fusion using higher order singular value decomposition［J］. IEEE Transactions on Image Processing, 2012,21(5):2898-2909.

［6］ Yang Bin, Li Shutao. Multifocus image fusion and restoration with sparse representation［J］. IEEE Transactions on Instrumentation & Measurement, 2010,59(4):884-892.

［7］〖JP3〗Lowe D G. Object recognition from local scale-invariant features［C］// The proceedings of the 7th IEEE International Conference on Computer Vision. 1999:1150-1157. 

［8］〖JP3〗淘图网. 新鲜苹果摄影图片［DB/OL］. http://www.taopic.com/tuku/201503-1662192.html, 2015-03-01. 

［9］王树祺. 基于图像融合和机器学习的水果质量分级与信息追溯技术［D］. 北京:北京航空航天大学， 2012.

［10］〖JP3〗Pajares G, Cruz J M D L. A wavelet-based image fusion tutorial［J］. Pattern Recognition, 2004,37(9):1855-1872. 

［11］Yang Shuyuan, Wang Min, Lu Yanxiong, et al. Fusion of multiparametric SAR images based on SW-nonsubsampled contourlet and PCNN［J］. Signal Processing, 2009,89(12):2596-2608.

［12］Ma Yinhua, Zhai Yuting, Geng Peng, et al. A novel algorithm of image fusion based on PCNN and shearlet［J］. International Journal of Digital Content Technology & Its Applications, 2011,5(12):347-354.

［13］Aljundi I H. Energy and exergy analysis of a steam power plant in Jordan［J］. Applied Thermal Engineering, 2009,29(2):324-328.

［14］〖JP3〗Xydeas C S, Petrovic V. Objective image fusion performance measure［J］. Electronics Letters, 2000,36(4):308-309. 

［15］吴炯,张秀彬,张峰,等. 数字图像中边缘算法的实验研究［J］. 微计算机信息, 2004,20(5):106-107.

［16］高连如,张兵,张霞,等. 基于局部标准差的遥感图像噪声评估方法研究［J］. 遥感学报, 2007,11(2):201-208.

［17］张天序,石岩,曹治国. 红外焦平面非均匀性噪声的空间频率特性及空间自适应非均匀性校正方法改进［J］. 红外与毫米波学报, 2005,24(4):255-260.

[1]	王纪委, 曲怀敬, 魏亚南, 谢明, 徐佳, 张志升, 张汉元. 基于四叉树分解和自适应焦点测度的多聚焦图像融合[J]. 计算机与现代化, 2022, 0(08): 106-113.
[2]	莫维, 唐清善, 黄涛. 一种多方向感知的高实时性视频融合算法[J]. 计算机与现代化, 2021, 0(10): 81-87.
[3]	李文裕, 周凌宏. 医学图像融合技术在肿瘤放射治疗中的应用[J]. 计算机与现代化, 2021, 0(07): 83-88.
[4]	杨彬, 黄润才, 王从澳. 基于改进的NSCT红外可见光图像融合算法[J]. 计算机与现代化, 2021, 0(06): 48-53.
[5]	张磊, 郎贤礼, 王乐. 基于图像融合与YOLOv3的铝型材表面缺陷检测[J]. 计算机与现代化, 2020, 0(11): 8-15.
[6]	杨少令，刁燕，罗华，徐天雄. 一种改进的Canny图像分割算法[J]. 计算机与现代化, 2018, 0(08): 57-.
[7]	李爱华，王丽彬. 一种基于多尺度空间的图像水印算法[J]. 计算机与现代化, 2015, 0(5): 98-102+126.
[8]	席亮1,2. 基于量子力学和拉普拉斯金字塔的图像融合方法[J]. 计算机与现代化, 2015, 0(4): 37-41.
[9]	刘娣，周武能，张详位. 一种基于Hough变换和图像融合的快速破损检测[J]. 计算机与现代化, 2014, 0(9): 72-76.
[10]	张志顺1，刘勇2. 基于动态阈值和修正模型的舌体提取算法[J]. 计算机与现代化, 2014, 0(11): 49-52.
[11]	吴玉荣. 基于小波变换和颜色传递的水下图像融合方法[J]. 计算机与现代化, 2013, 1(5): 77-79.
[12]	肖健;陈一明. 基于复数小波的相位自适应医学图像信号融合[J]. 计算机与现代化, 2012, 1(201): 42-44.
[13]	董银伟;沈建新;王玉亮. 交互式眼底图像拼接的研究与实现[J]. 计算机与现代化, 2011, 193(9): 74-77.
[14]	吴伟华;钟声. 基于梯度的多曝光图像融合[J]. 计算机与现代化, 2011, 1(6): 18-4.
[15]	李燕;刘斌. 基于小波全相位方向滤波器组变换的多聚焦图像融合 [J]. 计算机与现代化, 2011, 194(10): 76-80.

基于尺度不变特征变换的苹果图像融合

Apple Image Fusion Based on Scale-invariant Feature Transform

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价