روشی جهت تعیین پارامتر بهینه‌ی فلیترهای نرم به‌منظور تلفیق تصاویر در فضای فرکانس

تلفیق تصویر راهکاری رایج به‌منظور ایجاد هم‌افزایی در محتوای تصاویر چندطیفی و پانکروماتیک محسوب می‌شود. تاکنون راهکارهای مختلفی به‌منظور انجام فرایند تلفیق توسعه یافته‌اند که به‌کارگیری فضای فرکانس یکی از این راهکارها بشمار می‌رود. تلفیق تصاویر در فضای فرکانس به کمک فیلترهای بالاگذر و پایین گذر انجام شده که تعیین ابعاد بهینه‌ی فیلترها مهم‌ترین چالش آن محسوب می‌شود. در این مقاله به‌منظور بهره‌مندی توامان از محتوای طیفی و جزئیات مکانی تصاویر، شاخصی وزن‌دار متشکل از دو شاخص رنگ‌پذیری و جزئیات مکانی پیشنهاد شده است. شاخص مذکور توانسته با اتکا به معیارهای هندسی و آماری فضای ویژگی در کنار به‌کارگیری فیلترهای نرم، نتایج مطلوبی را در شناسایی ابعاد بهینه‌ی فیلترگذاری تامین سازد. در سازوکار پیشنهادی، وزن شاخص‌های رنگ‌پذیری و جزئیات مکانی با در نظر گرفتن تمایز در محتوای تصاویر، برای هر تصویر به‌طور مستقل برآورد می‌گردد. مقایسه‌ی بهترین نتایج کسب‌شده از روش پیشنهادی با روش‌های رایج تلفیق حاکی از بهبود به‌طور متوسط 58 درصدی در دقت (rmse) فرایند تلفیق است.

a method for determining the optimum parameter of the soft filters to image fusion in the frequency domain

image fusion is known as a synergetic process for merging multispectral and panchromatic images contents. so far, various methods have been developed in which the usage of the frequency domain is one of them. the frequency-based image fusion techniques are performed using high and low pass filters. so, the determination of the sizes of these filters would be a challenge. in this paper, a weighted index is proposed to determine the sizes and shapes of the low and high filters in fusion of the panchromatic and multispectral images. in the proposed method, the weights of the spectral and spatial indicators are independently estimated for each image. so, the effects of the differentiation of the image contents and different range of the indicators are properly adjusted to reach the optimum filtering. the comparison of the best results obtained from the proposed method with the other well-known fusion methods, in the used datasets, was indicated an average improvement of 58% in rmses.