文摘

多传感器信息融合的一个重要分支,图像融合在各个领域的广泛应用。作为一个热门研究技术,虚拟现实技术可以带来不同程度的经验图像融合。与此同时,现有的图像处理软件的发展,有利于图像的进一步分析和处理。在今天的市场上,图像处理技术仍然面临着许多问题,随着技术的发展,虚拟技术广泛应用于各个领域,所以虚拟技术与图像相结合有利于提高图像处理技术。本文主要介绍了图像融合算法和基于虚拟现实技术的应用研究和核软件。本文首先提出了一种图像融合模型和图像融合系统通过虚拟技术和核的分析软件,在此基础上,提出了一种粒子算法和图像边缘的算法。其次,研究图像的最佳融合核软件,最后通过图像融合算法的实验结果进行了分析。研究表明,最好的图像融合极大地改善图像的安全和隐私,以及破解的难度是高达80%。数据在图像融合算法的实验分析表明,该算法的执行效率和时间消耗大大缩短,和时间消耗大大减少。率降低约50%,取得了很好的图像融合效果。

1。介绍

1.1。研究背景和意义

随着信息技术的发展,虚拟现实技术领域发展的逐步扩大。虚拟现实技术将扮演重要的角色在未来高科技产业的发展,提高国家科技创新能力。图像处理和虚拟技术的结合已成为一个研究热点1]。经常需要使用图像处理技术在医学领域,并结合虚拟技术与图像处理可以提高图像分析的层次,使更准确的确定疾病的原因。其中,合成技术的迅速发展,基于虚拟现实技术的发展。图形图像领域的设计、虚拟现实技术,它被广泛使用,并影响了已达到一个非常高的水平(2,3]。与此同时,随着计算机技术的发展和图像处理软件的快速发展,核软件是领导人在许多图像处理,图像融合及其功能,图像三维集成,和电影处理非常强大,这进一步促进了图像处理(4,5]。核软件为艺术家提供了创建图像与高质量的照片效果的手段。核不需要特殊的硬件平台,为艺术家提供了灵活性,效率,经济,和完整的功能组合和操作扫描照片,视频板和计算机生成的图像。已经使用近一百部电影和成百上千的商业和音乐电视在数字领域,核拥有先进的无缝集成能力的最终视觉效果与其他影视,无论风格或视觉效果应用的复杂性。其中,图像融合,图像处理已经吸引了很多的关注。图像融合是图像融合的目标通过不同的方法收集不同的算法,提取每幅图像的信息,最后生成一个图像包含每个图像特性(6,7]。它在不同的图像中提取有用的信息,消除了冗余之间以不同方式获得的图像信息,准确,简洁,并完整地描述目标在一个图像,大大促进了人们的观察目标和目标图像的后续处理8,9]。图像融合技术的出现以来,它已经应用于各种场合,它第一次被应用于卫星观察地面的使用条件。现在有很好的应用在军事领域的检测、集成的信息在遥感领域,运输在日常生活中,诊断在医学领域。

1.2。相关内容

国际标准的虚拟现实,虚拟现实建模语言发展迅速。太阳和赵提出了VRML的方法(10]。通过audiovisual-based虚拟通信、虚拟现实(VR)在应对这种流行病发挥了不可或缺的作用。他们扩展脚本的功能节点通过引入Java Java脚本语言和脚本编写的程序。使图书馆虚拟满足用户的正常使用。原则上,任何文本编辑系统可用于VRML编程,但是一些编辑系统几乎没有相关功能,所以他们不适合大规模的VRML场景设计11]。他们提议的VRML算法可以应用于大型建筑。他们提议的VRML算法优于传统算法在真实性方面,互动,设计合理性和执行速度。证明VRML算法的可行性。它提供援助的人不方便出去COVID-19保护期间。然而,仍然有限制它的使用在其他时期。艾伦等人开发了一个开源软件包(12),免费在GitHub和分发给其他卫生系统在开源Apache 2.0许可下。他们采用质量改进项目注册并促进目标受众是注册成功的一个重要因素。帮助理解提高质量的影响项目管理在医院系统,最终减少审批的时间质量改进项目,增加整个佛罗里达大学健康医院系统的合作,并减少冗余和翻译的质量改进项目。他们开发了一个注册表基于Jaccard相似系数的匹配算法,它使用质量项目特点找到项目类似的质量。算法允许质量研究人员发现现有的或以前的质量改进项目,鼓励协作,减少重复的项目。他们还开发了QIPR审批者算法,它可以指导研究人员解决一系列的问题,使项目适当的质量可以批准,没有人工干预。虽然很方便,它需要专业的操作。李等人提出了一个multifocus基于多级形态分解的图像融合算法和分类器13]。这个算法的吸引力是它可以将图像分解成几层具有不同形态的组件,从而保留源图像的更详细的信息。在他们提出的算法,首先将源图像分解的多级形态成分分析(14,15]。然后,从自然中提取特征向量层和由两个训练有素的支持向量机分类。然后,一致性验证用于验证决策矩阵集。最后,系数融合基于决策矩阵的集合。他们的实验结果证明了该方法的优越性在主观和客观评价。但该算法错误(16]。

1.3。主要内容和创新

本文主要是基于虚拟现实技术和核软件进行图像融合算法的研究和研究算法的应用程序。主要使用虚拟技术构建图像融合模型和设计图形系统模型,然后提出了图像融合算法,进行算法研究和实验核软件的作用和功能的图像融合算法。本文的创新是将虚拟技术和软件技术提出一种图像融合算法,进行图像融合实验分析图像融合算法的应用和效果。

本文的第一部分介绍了虚拟现实技术的相关背景和意义和核软件并提供所涉及的相关工作进行了简要的概述,并且在本文简要概述了创新。

文章的第二部分着重于图像融合算法和软件设计的发展和形象评价指标。

本文的第三部分着重于图像边缘检测的图像融合模型和虚拟技术。

本文的第四部分介绍了最优图像融合和图像融合算法并分析实验结果。

文章的第五部分提供了一个简短的讨论和分析文章的实验和分析。

2。软件的概述和图像融合算法

2.1。核软件的概述

核武器作为一个图片和电影合成软件,核武器赢得了奥斯卡奖。经过十多年的经验,影视专业人士现在可以提供解决方案为创建高质量、高精度光电效应的图像(17]。核武器本身不需要定义在硬件平台上,非常接近人。在性能方面,它是一种有效的工具为艺术家结合和过程扫描照片和视频卡,它还可以提供灵活、有效、实用的工具。保存图像融合处理,完成图像处理解决方案,大多数用户喜爱的核平台由于其自身的优势。核最初是一个独特的秘密武器开发和使用的D2。与胡迪尼一起使用,世界上最强大的特效软件,主要依靠这两个强大的软件。核的功能实用性和速度可以反映在相关的数据(18,19]。核武器使用在许多电影和摄影作品获奖,和许多知名艺术家使用软件来创建。核武器有许多额外的组件。其中,三维电影制作额外的程序:Ocula是铸造最好的作品之一,是一个额外的程序专门为立体电影的生产。Ocula可以快速帮助用户解决各种问题在生产过程中立体电影。其令人惊叹的外观和性能可以节省大量三维电影制作行业的生产力,提高生产效率。在随后的好莱坞立体电影,菩提树几乎所有的大仓酒店共同运营角色(20.,21]。核武器是一个跨平台的综合性软件与一个强大的组合类型,伟大的兼容性。它可以用来和网络上的多个系统上使用,因为它有不同的版本为不同的系统平台。通过这种方式,用户不需要担心无法使用该软件由于系统不兼容。核武器可以独立创建自己的模型对象,相机和灯光在自己的平台上,可以快速和自由之间切换3 d场景模式和2 d组合模式在运行时,也可以粘贴复合场景。将作为一个纹理附加到新创建的模型。核武器可以执行多个摄像机的设置,并结合多个光节目本身创建的三维场景,包括多个对象之间的预测和调整相机的景深效果(22]。核允许您执行色彩校正和对比不同的颜色范围在屏幕上,可以快速而方便地切换不同的颜色范围在同一屏幕上,这样用户可以迅速和有效地使用它。更重要的是,核平台有不同的颜色分级过滤不同的颜色范围,和用户可以找到自己的不同颜色的分级方法和相应的滤波器组合(23]。还应该提到,核武器还集成了著名的编码插件Primatte Uimatte,默认主光,为邮政编码的工作添加了乐趣和无限的可能性。基于强大的图像处理功能的软件,进行实验和分析软件的图像融合算法,所提出的图像融合算法,它给建议的实验基础,并提供图片和图像融合算法融合平台的应用研究[24,25]。

2.2。粒子群算法(PSO)

粒子群算法是另一个新的群体智能算法蚁群算法后,它已经成为一个重要的分支进化算法(26,27]。粒子群算法是一种随机搜索算法基于集团合作开发的模拟一群鸟类的觅食行为。它基本上结合了量子物理的想法修改PSO的“进化”方法(即方法更新粒子的位置)。更新粒子的位置,中心最好的当前的本地位置信息和最好的全球每个粒子的位置信息。在算法中,粒子的运动进行了以下三种类型。粒子群算法的全名是粒子群优化,所以它是缩写为“算法”。

这个函数产生一个粒子进化公式值范围0 - 1:服从均匀分布的随机数,1和1有一定概率。我们的方法如下:

是PSO的收缩和膨胀系数的值取决于情况,可以是固定的,它可以动态地改变了以某种方式,通常根据以下公式:

也就是说,一个线性减少来迭代,是迭代的最大数量。POS的算法流程如下:初始化。初始化的初始位置随机粒子,每个粒子的当前的最佳位置如下: ,让全球最佳位置

计算目标函数值的粒子根据目标函数的计算公式 ;更新新局部最优位置每个粒子根据以下公式,假设我们最大化目标函数:

更新全局最优位置根据以下公式:

重复上述计算,直到算法的通用的迭代次数达到一定值。

2.3。图像融合的评价指标

融合过程完成后,它不是一个简单的问题来判断图像质量的算法(28]。图片包括图像保真度和图像的可读性。图像保真度是指程度的评估图像与标准图像的偏差;偏差越小,精确度越高。可读性是指图像提供信息的能力对一个人或机器,不仅与图像的应用程序需求系统,但也常常与人眼的主观感知。图像质量指标包括等方面解析、颜色深度、图像失真。图像算法质量的评价应考虑以下方面。第一,融合后的结果图像应该包含尽可能多的原始图像的重要信息;第二,融合后的结果图像不应该引入错误的图像信息,以免误导的结果图像,观察、图像的后续处理;第三,在获取图像的过程中,图像质量可能下降由于气候或其他因素,或者是在预处理过程中图像质量不是很好。 At this time, the result of the image fusion algorithm should not fluctuate too much; fourth, when the acquired image is mixed with noise, the algorithm should minimize the effect of noise on the result of the image fusion; fifth, the image fusion algorithm needs to be processed in real time. The occasion should be able to be easily transplanted to the hardware platform [29日,30.]。结果融合后图像的评价标准可以分为两个部分,包括由人眼直接观察的主观方法和客观使用图像参数的计算方法和相关公式。根据主观的方法由人眼直接观察,观众评价结果根据现有的图像质量评价水平和自己的形象评价经验。有时,观众还可以提供一些标准图像用于制造比较判断。根据主观的人眼直接观察的方法,是不容易的在实际应用和很容易受到观察者自身的条件和心理方面。因此,客观的方法,结合图像参数和相关公式计算实际应用中经常使用。它不仅可以克服主观方法的缺点,还可以实现自动评价的结果图像。因为图像的预处理过程由计算机完成,以后质量评价的客观方法有效结合进行预处理以提高整个图像处理的效率。

图像融合最大化的提取从各自有利的信息渠道,最后结合成一个高质量的图像增加图像信息的利用率,提高计算机解释的准确性和可靠性,增强原始图像的空间和光谱分辨率,并促进监测。

3所示。图像边缘检测的图像融合模型和虚拟技术

3.1。图像边缘的检测算子

图像信息包含了许多图像特性,可以被引用,其中常用的功能包括以下几点:颜色特征、几何特性和纹理特性。本文特征提取工作集中在边缘提取。边缘特征的选择主要是基于这一考虑:边缘特性不变,同一场景的边缘在不同条件下仍基本持平(照明和颜色)。两个最有用的特性,有效地描述这种变化的速度和方向灰度变化。一般来说,沿着边缘的灰度变化率相对较小,而灰度垂直于边缘的变化更显著。实际的数字图像是由梯度向量的大小和方向。每个像素的邻域检查,和灰度变化率量化,不同的是用微分微分近似。边缘算法的好处包括实时技术处理,减少宽带限制的影响的能力,增加安全的敏感和私人数据、操作数据可靠性和应用程序开发的多功能性。图1展示了一个具体的流程图:(1)罗伯茨边缘算子

罗伯茨边缘算子是一种分析使用部分图像的边缘,边缘和振幅计算如下: (2)Sobel边缘算子

Sobel边缘算子计算中的水平值 字段,值卷积公式如下: (3)拉普拉斯算子

拉普拉斯算符是一个边缘检测算子。这是常用的边缘检测。对于一个连续函数 ,它的位置 定义如下:

其中一个常用的表现形式在实践中使用差分方程如下:

数值逼近方法包括对角线字段由以下给出:

在数字图像中,拉普拉斯算符的帮助下可以实现不同的模板。两个常见的模板如下:

如表所示1,只有两种类型的拉普拉斯算符模板,具有高斯平滑特征算子和拉普拉斯算符的锐化特征。

索贝尔算子是一种离散差分算子,用于近似图像亮度函数的梯度。拉普拉斯算子是最简单的各向同性微分算子与旋转不变性;罗伯茨边缘算子可以用来获得一个演示文档图像的边缘轮廓,和霍夫算法可以用来提取直线的波状外形的形象。

3.2。虚拟技术集成的图像模型

全景图是一种技术,它使用真实图像创建一个虚拟环境。全景图像的表示连续图像由处理离散样本图片。可分为球面全景图像和立方形状根据图像的不同形状的表面。我们称之为球面全景图像或立方体全景图像。

3.2.1之上。球形全景

球形全景的形状是一个球面与普通相机拍摄照片。显然,球形全景是全景的描述接近人眼模型,但球面映射是一个非均匀抽样表示,这将导致图像失真和畸变的场景。两极尤其严重。球面投影数据存储时,将丢失。项目计算机数据存储结构和真正的球面图像平面照片,这样一个非线性变形过程可以发生在图像平面。非线性图像转换操作必须执行,导致显示速度下降。目前,球形全景主要是通过一个特殊的鱼眼镜头的相机(图2显示了由鱼眼镜头的相机拍摄的照片),以及球形全景终于得到恢复失真,合成图片,调整亮度。

3.2.2。立方体全景

立方体全景图的生成是将真正的图像映射到一个立方体的六个表面。这种结构模式具有良好的规律性和简单的数据存储。扩大立方体全景图所示3。然而,立方体表面交界处,图像很容易改变。相机需要放置相机采样时非常准确。六个方面是互相垂直避免光学畸变,并且每个平面图像捕获需要90°广角镜头,避免图像失真。

球形全景需要球的经度和纬度坐标和指导水平和垂直坐标网格,网格,大约是两倍宽。因此,从赤道到两极,横向拉伸加剧和南北两极延伸成一个扁平的网格在上、下边缘。360全景球形全景允许一个现实的水平和垂直。立方体全景图是一个全景分为六个方面,前面,后面,左,右,前,和底部,当被组合成一个密闭空间意识到整个水平和垂直360全景。

利用全景记录图像数据融合允许非线性变形过程发生在图像平面上,执行图像非线性变换操作,从而减少显示速度和避免图像失真。

方法用普通相机拍下,然后缝合在一起形成一个全景不需要场景建模和可以实时查看。组件环境中,处理时间与现场的复杂性,所以现实世界可以保存没有特殊硬件加速,强大的图形,和实时互动发展。因此,人们经常使用这个方法来创建全景照片。全景生成是一个复杂的过程,其中包括建立一个全景模型,图像采集,图像拼接,图像合成和全景。展示和探讨五个阶段。的过程生成全景图所示4。

3.3。基于虚拟现实技术的图像系统模型

现有虚拟现实成像系统通常有两个主要模块:预处理和互动。在预处理模块,系统完成的功能生成虚拟场景,而互动模块主要补充系统和参与者之间的互动活动和执行漫游功能。编程模块负责当前的观点找到相对应的全景。和设置当前观看的方向。全景图像的一部分被发送到缓冲区,和投影模块负责将缓冲区中的圆柱投影图像转化为一个平面投影屏幕上观察图像和显示它。图像融合技术是数字图像处理的一个重要分支,广泛应用于空间结构检测、遗产保护、医学图像、公安取证、虚拟现实等领域。由于各种因素的影响,如光照、角度、位移,犹豫不决的抓取的图像,图像融合是容易发生扭曲和变形。使用投影模型和图像融合研究扭曲和变形,改善传统的融合技术。总之,现有的图像虚拟现实系统框架模型如图5。

如图4的框架模型,基于虚拟现实技术的图像系统是由两个部分组成的。交互模块,第一部分和第二部分是预处理模块。这两个模块都是独立的,但相关的。在预处理模块,拼接模块,分析了图像序列为全景图像,然后流程到虚拟场景通过链接模块。然后,进行联合处理之间的交互模块和预处理模块。

4所示。最好的图像融合和图像融合算法

4.1。最好的融合图像

以下4.4.1。直接集成的领空

本文软件实验进行融合的图片,图片在桌子上2合并到原始图像和相应的关键因素和实际融合因素计算融合。测量数据如表所示2。

如表所示2实际的融化,有一个很大的区别因素和关键因素。本研究的目的是将实际的融化因子接近临界融化因子来提高抵抗隐藏图像的能力。水印图像融合到精益形象,和融合因子是0.07。融合图像如图6(一),其峰值信噪比28岁。提取的隐藏图像如图6 (b),提取水印。的归一化相关系数是0.9。实际熔化系数和临界系数越高在实验期间,更好的融合图像的峰值信噪比,和隐藏图像的效果越好。

确定算法的鲁棒性,执行各种干扰攻击算法。攻击类型如下:图像裁剪、JPEG压缩、添加高斯噪声、椒盐噪声、产品噪声、高斯滤波,等,和归一化相关系数如表所示3,提取的水印数据所示6和7。

基于图8,可以看出,剪切的影响参数是2相关系数为0.66,高斯噪声的均值为0,方差为0.02,相关系数为0.3,和产品噪声的平均值,方差为0.03,相关系数为0.2。

4.1.2。研究和分析的最佳融合的因素

通过减少灰度图像水印乘以0.6,获得最佳的几何变换,它是用来隐藏图像水印和融合因子测量是0.15。由于减少灰度的方法和最佳的几何变换,融合因子不仅大于直接融合因子的图像在空间域和图像融合成图像的这种融合的因素。融合图像如图9(一个),其峰值信噪比28岁。提取的隐藏图像如图9 (b),提取的水印的归一化相关系数是0.9。

为了确定算法的鲁棒性,各种类型的攻击对算法执行如下:图像裁剪、JPEG压缩、添加高斯噪声、椒盐噪声、乘性噪声,高斯滤波,等等。,归一化相关系数测量如下。如表所示4,提取的水印数据所示9和10。系数表4计算了正常化的参数实验目标获取相关系数。

如数据所示10和11和表4,可以看出最好的融合算法使用迭代变化相关的图像融合极大地增加图像的融合因素和大大提高图像的antiattack能力。自计算融合相关的因素是两个图片,使用的矩阵和迭代次数的融合因素和各种攻击可以用来提高算法的安全性的关键。

4.2。图像融合算法的实验结果和分析

本文中使用的数据集实验收集数据集和标准数据集。本文中提出的算法测试。空间数据集包含两个点云图像,包括三维坐标和强度信息。从不同的角度收集两个点云。实验室数据集包含四个点云数据,也包含坐标信息和颜色信息。在本部分中,将测试上述图像融合算法并与传统算法的执行时间和最终的融合精度。在实验过程中,核数据集,和一个精确的融合算法基于最初的融合被处决。第一是减少点云的分辨率不同程度获得不同分辨率的点云。迭代计算的数量在抽样后的执行算法。在实验过程中,总数之间的迭代算法和传统算法是90。

如表所示5、采样参数表描述的两个数据集,分别包括决议,源和目标点的数量,和迭代次数。作为房间的分辨率数据集减少,源点的数量显著减少;目标点的数量也明显减少,但迭代的数量增加。源和目标点的数量和迭代的数量都表现出明显的下降趋势实验室数据集得到的分辨率低。在融合过程中,时间被本文算法和传统算法在不同数据集记录,如下表所示。

在文本中,引用类型的数据融合算法,包括线性规划、二次规划、整数规划、和混合编程,有和没有约束。如表所示6,房间里的数据集,传统算法消耗60倍,和本文的算法时间是33,缩短27分钟,增加了约40%。实验室数据集下,传统算法消耗120次,本文算法是40,80分钟缩短,提高了大约60%。每次迭代过程的消耗不同的时间空间数据集和实验室数据集,一个重要的改进传统方法相比。消费在很大程度上节省时间,效率大大提高。相比,但是房间里的时间比较算法的数据集和实验室数据集空间数据集下的时间消耗将会更多,表明在这个数据集算法的执行效率较高,但无论从数据集,本文的算法是有效的和有益的。

5。讨论

本文运用虚拟现实技术的结合应用和核软件研究图像融合算法和算法的应用,构建一个图像融合模型和模型系统通过虚拟现实技术,提出了一种图像融合算法,然后使用核武器软件比较算法。通过实验和分析,得到在隐私保护算法显示了足够的保护,和图像融合算法与传统算法比较,结果表明,图像融合算法具有明显的优势及时消费。图像融合可以提高图像的空间分辨率,改善图像的几何精度,提高功能显示功能,提高分类精度,提供变化检测功能,更换或修复的缺陷图像数据,等发挥不同遥感数据源的优点,弥补缺点的一种特定的遥感数据,并提高遥感数据的适用性。

数据可用性

没有数据被用来支持本研究。

的利益冲突

所有作者宣称他们没有利益冲突。