fůze rozmazaných snímků ( li, manjunath, mitra)

Fůze rozmazaných snímků (Li, Manjunath, Mitra)

kombinace „nejlepších“ dat

volba „nejlepších“ - pomocí DWT, levý Mallat strom

absolutní hodnota koeficientů - amplituda wavelet

velké abs. hodnoty - významné ostré změny jasu

volba max | koeficienty |

sesazení zvolených

zpětná rekonstrukce pomocí IDWT

DWT max

IDWT

Fůze rozmazaných snímků (Li, Manjunath, Mitra)

maximum přes okolí 3x3, 5x5

pokud „jiné“ - nahrazení, pokud „stejné“ - průměr

konzistence - okolí z obr. A, jeden z obr. B -> změna

Fúze dat

Remote sensing: kombinace detailů z panchromatického (PAN) obrazu s vysokým prostorovým rozlišením sinfomací o barvě z obrazu multispektrálního (MS) s nízkým p.r.

Proč MS není s vysokým rozlišením – příchozí energie do senzoru- množství nasbíraných dat

IHS fúze pro MS: RGB -> IHS, I nahrazeno PAN obrazem, zpětná IHS

PCA fúze MS dekoreluje, 1 komponent nahrazen PAN, zpětná PCA

wavelety

Problémy s barvou – staré satelity relativně OK- nové problém s PAN (větší rozsah – jiná barva)

TM vysoké frekvenční rozlišení (barevné) TM3, TM4, TM7SPOT-PAN vysoké prostorové rozlišení

TM - Landsat Thematic Mapper, SPOT - Satellite Pour I' Observation de la Terre

FWT(SPOT-PAN) AVG(SPOT-PAN), DH(SPOT-PAN), DV(SPOT-PAN), DD(SPOT-PAN)

• registrace (TM) na AVG(SPOT-PAN) • IFWT(R(TM), DH(SPOT-PAN), DV(SPOT-PAN), DD(SPOT-PAN) )

10m 20m

Fúze dat s různým rozlišením

Fúze dat pomocí WT

Reprezentace

- křivky a jejich DWT rozvoj

- textury (biologická motivace) - waveletová transformace frekvence a lokalizace

- (koef2) … energie

- energie v rozdílu kanálů R, G, B tj. korelace mezi kanály ve stejném směru

- rozptyl, střední hodnota

- dilatace a rotace- nastavení měřítka a orientace pro detekci objektů- textury - střední hodnota a rozptyl absolutní hodnoty koef.

- Gauss modulovaný komplexní sin funkcíReprezentace - Gabor wavelety

Reprezentace - Banana wavelety

Reprezentace - Banana wavelety

Registrace snímků

- škálovací funkce - impulsní odezva LPF

- wavelety

- amplituda WT

- pro dané wavelety proporční k velikosti gradientu

Registrace snímků

- LH a HL, řídící bod tam kde M větší než práh

- STD a E M pro danou hloubku, ovlivňuje početpro jemné úrovně vyšší hodnoty

- v LL na daných místech výpočet korelačních koeficientů

wc plocha

Registrace snímků

- postupně z hloubky, v každém kroku provést odhadnutou transformaci

- je možno v hloubce začít full-search přes prostor parametrů, pak na vyšších úrovních omezit oblast vyhledávání

- je možno použít bloky místo detekovaných maxim

obdoba Cannyho detektoru hran

- absolutní hodnota -lokální maxima ve směru maximální změny originál Canny Maar

Detekce hran

- multiscale verze - vyhlazování low-pass filtrem - nejčastěji Gauss- (x,y)

Detekce hran

Detekce hran

2 wavelety - odpovídají vektoru gradientu vyhlazeného obrázku

při použití konvoluce

hrany - 1D lokální maxima M ve směru A

posun obrázku - posun maxim- nemění se hodnoty maxim- koeficienty WT se můžou měnit

Detekce hranvelikost gradientu

směr gradientu

Detekce hran - analýza

- multiscale informace o hranách, z jednotlivých úrovní

- analýza vztahů mezi jednotlivými úrovněmi

- mizení koeficientů do hloubky závisí na lokální hladkosti signálu

- diferencovatelnost - Lipschitzovské koeficienty

- čím větší , tím víc diferencovatelná funkce- v nespojitosti = 0- nutná podmínka pro f aby byla někde L. s je existence C > 0

- podle vývoje velikosti w.koef. - odhad hladkosti obr.f.

Funkce f uniformně Lipschitzovská s (0 < < 1 ) na intervalu [a,b] právě tehdy, když existuje

konstanta K taková že pro libovolné (x0, x1) z [a,b] platí

Detekce hran - analýza

- pro detekci hran – odhady přes úrovně co šum a co hrana

- není L. – pokles koeficientů

- je L. – nárůst koeficientů

- není L. – pravděpodobně šum a detaily

- použít hlubší úroveň když rychlý pokles

- použít vyšší úroveň když pomalý pokles - - přesnost umístění hran

Detekce hran - analýza

Watermarking

- neviditelný podpis v obraze, důkaz původu

- - =

- vypadat náhodně, neviditelně

- detekovatelná korelací

- stabilní vůči změnám (šum, komprese, výřez)

Watermarking

- robustní – vodoznak na významných místech versus viditelnost

METODA: DWT – detailní koeficienty > práh

na ně přidat vodoznak IDWT

KONTROLA: DWT test, detailní koeficienty > práh2 > práh

korelace, porovnat s mírou podobnosti

Watermarking

- jen významné koeficienty změněny

- množství změn adaptováno na obrázek

- druhý práh větší z důvodů robustnosti (šum, komprese)