상호정보량에 의한 이미지 융합시스템 및 시뮬레이션에 관한 연구

국문 초록 (Abstract)

융합 이미지 생성의 목적은 여러 입력 이미지에 나타난 주요 시각적인 정보를 결합시켜 하나의 보다 정보적 이고 완성적인 출력 이미지를 얻는 데 있다. 현재 이러한 이미지 융합 기술은 영상 의료, 원격 감지, 로봇공학 등의 분야에서 활발하게 연구되고 있다. 본 논문에서는 최대 엔트로피에 의한 임계값 추정과 이를 바탕으로 하 는 특징 벡터 추출 및 상호 정보량에 의한 특징 벡터들의 밀접한 관계를 추정하는 방식으로 융합 이미지를 생 성하는 하나의 접근방식을 제안한다. 이러한 융합 이미지 생성 방식은 이미지의 전반적인 불확실성을 감소시킨 다는 점에서 장점이 있고, 더 나아가서 융합되는 이미지들 가운데 블러링 이미지가 사용되는 경우에 이미지 정 합이 다른 기법에 비해 보다 좋은 성능을 가진다는 점이다.

다국어 초록 (Multilingual Abstract)

The purpose of image fusion is to combine the relevant information from a set of images into a single image, where the resultant fused image will be more informative and complete than any of the input images. Image fusion techniques can improve the quality and increase the application of these data important applications of the fusion of images include medical imaging, remote sensing, and robotics. In this paper, we suggest a new method to generate a fusion image using the close relation of image features obtained through maximum entropy threshold and mutual information. This method represents a good image registration in case of using a blurring image than other image fusion methods.

목차 (Table of Contents)

• 요약
• ABSTRACT
• 1. 서론
• 2. 이론적 배경
• 3. 이미지 융합 시스템 설계
• 4. 시뮬레이션
• 5. 결론
• 참고문헌

참고문헌 (Reference)

1 문경일, "무정보 blur 이미지 복구를 위한 DFT 변환" 한국정보교육학회 15 (15): 517-524, 2011

2 Agrawal, A., "Resolving objects at higher resolution from a single motion-blurred image" 1-8, 2007

3 B. Bascle, Blake., "Motion deblurring and super-resolution from an image sequence" 573-582, 1996

4 Moshe Ben-Ezra., "Motion Deblurring using hybrid imaging" 657-664, 2003

5 M. A. T. Figueiredo., "Majorizarion-Minimization Algorithms foe Wavelet-Based Image Restiration" 16 (16): 2980-2991, 2007

6 Du-Yih Tsai., "Information Entropy Measure for Evaluation of Image Quality" 21 (21): 338-347, 2008

7 Azeddine Beghdadi., "Image quality assessment using the joint spatial/spatial-frequency representation" 8-, 2006

8 Zhou Wang., "Image quality assessment : From error visibility to structural similarity. IEEE Trans" 13 (13): 600-612, 2004

9 D. A. Yocky, "Image merging and dada fusion by means of the discrete two-dimensional wavelet transform" 12 (12): 1834-1841, 1995

10 Viswanathan Vaithiyanathan., "Image Segmentation Based on Modified Tsallis Entropy" 7 (7): 523-529, 2014

11 Anju Rani., "Image Enhancement using Image Fusion Techniques" 4 (4): 413-416, 2014

12 J. Astola., "Entropy correlation coefficient a measure of statistical dependence for categorized data" 44 : 1982

13 Deepak Kumar Sahu1, "Different Image Fusion Techniques –A Critical Review" 2 (2): 4298-4301, 2012

14 S. Reeves., "Blur identification by the method of generalized cross-validation" 1 : 301-311, 1992

15 D. Kundur., "Blind image deconvolution revisited" 13 (13): 61-63, 1996

16 Nikhil Kumar Rajput., "A survey of entropy based image thresholding techniques" 3 (3): 19-21, 2014

17 Dong ping Tian, "A Review on Image Feature Extraction and Representation Techniques" 8 (8): 385-395, 2013