Journal of Korea Multimedia Society (한국멀티미디어학회논문지)

Korea Multimedia Society (한국멀티미디어학회)
권호 표지
DOI QR코드

DOI QR Code

FLIR and CCD Image Fusion Algorithm Based on Adaptive Weight for Target Extraction

표적 추출을 위한 적응적 가중치 기반 FLIR 및 CCD 센서 영상 융합 알고리즘

  • 구은혜 (경북대학교 전자전기컴퓨터학부) ;
  • 이은영 (경북대학교 전자전기컴퓨터학부) ;
  • 김세윤 (경북대학교 전자전기컴퓨터학부) ;
  • 조웅호 (대구공업대학 디지털전자정보계열) ;
  • 김희수 ((재)경북차량용임베디드기술연구원) ;
  • 박길흠 (경북대학교 전자공학과)
  • Received : 2011.09.09
  • Accepted : 2011.12.21
  • Published : 2012.03.31
Download PDF
⟨ Previous Next ⟩

Abstract

In automatic target recognition(ATR) systems, target extraction techniques are very important because ATR performance depends on segmentation result. So, this paper proposes a multi-sensor image fusion method based on adaptive weights. To incorporate the FLIR image and CCD image, we used information such as the bi-modality, distance and texture. A weight of the FLIR image is derived from the bi-modality and distance measure. For the weight of CCD image, the information that the target's texture is more uniform than the background region is used. The proposed algorithm is applied to many images and its performance is compared with the segmentation result using the single image. Experimental results show that the proposed method has the accurate extraction performance.

일반적인 ATR시스템에서는 대부분 FLIR센서에 의존하여 영상을 획득하나, 표적의 경계가 모호한 경우 견실한 표적 분할을 보장할 수 없는 한계점이 있다. 이에 본 논문은 FLIR과 CCD센서를 통해 획득된 영상에 대한 적응적 가중치 기반의 융합 방법을 제안함으로써 보다 정확한 표적 분할 성능을 재현한다. 융합을 위한 FLIR영상의 가중치는 모호한 경계를 구분하기 위한 bi-modality 척도와 표적 경계와의 거리를 통해 결정되고, CCD영상의 가중치는 표적과 배경의 질감차이를 나타내는 질감 척도와 거리 척도를 통해 도출된다. 제안 방법의 타당성 검증을 위하여 다양한 환경에서 획득된 표적 영상에 대한 제안 방법과 단일 센서 기반의 표적 분할의 성능 비교를 수행하였다.

Keywords

References

  1. R.S. Blum and Z. Liu, Multi-Sensor Image Fusion and I ts Applications, CRC Press, Taylor and Francis Group, Florida, USA, 2006.
  2. 윤상철, 고한석, "역광 보정을 위한 노출 시간이 다른 두 영상 융합," 한국멀티미디어학회 춘계학술발표대회논문집, pp. 21-24, 2006.
  3. A. Tet, V. Ruyven, and J.M. Valeton, "Merging Thermal and Visual Images by a Contrast Pyramid," Optical Engineering, Vol.28, No.7, pp. 789-792, 1989.
  4. E. Lallier and M. Farooq, "A Real Time Pixel- Level Based Image Fusion Via Adaptive Weight Averaging," Proc. Int. Conf. Information Fusion, Vol.2, pp. WEC3_3-WEC3_13, 2000.
  5. Y. Zhou, A. Mayyas, A. Qattawi, and M. Omar, "Feature-level and Pixel-level Fusion Routines When Coupled to Infrared Night-vision Tracking Scheme," Infrared physics & Technology, Vol.53, No.1, pp. 43-49, 2010. https://doi.org/10.1016/j.infrared.2009.08.011
  6. H. Kwon, S.Z. Der, and N.M. Nasrabadi, "Adaptive Multisensor Target Detection using Feature-Based Fusion," Optical Engineering, Vol.41, No.1, pp. 69-80, 2002. https://doi.org/10.1117/1.1425788
  7. S. Li and B. Yang, "Multifocus Image Fusion using Region Segmentation and Spatial Frequency," Image and Vision Computing, Vol. 26, No.27, pp. 971-979, 2008. https://doi.org/10.1016/j.imavis.2007.10.012
  8. H.Y. Lee, S.Y. Kim, J.H. Kim, D.M. Kwak, B.J. Choi, Y.B. Joo, and K.H. Park, "Target Extraction in FLIR Image using Bi-modality of Local Characteristic and Chamfer Distance," Journal of Korean Institute of Intelligent Systems, Vol.19, No.3, pp. 304-310, 2009. https://doi.org/10.5391/JKIIS.2009.19.3.304
  9. R.F. Walker, "Genetic Algorithm Optimization of Adaptive Multi-scale GLCM Features." International Journal of Pattern Recognition and Artificial Intelligence, Vol.17, No.5, pp. 17-39, 2002.
  10. 이병일, 최현주, 최흥국, "질감 특징의 영상화 기법에 관한 연구," 한국멀티미디어학회 춘계학술발표논문집, pp. 167-172, 2001.
  11. T.Y. Kim, H.J. Choi, and H.K. Choi, "Evaluation of Volumetric Texture Features for computerized Cell Nuclei Granding," Jouranl of Korea Multimedia Society, Vol.11, No.12, pp. 1635-1648, 2008.
  12. S.G. Sun and H.W. Park, "Segmentation of Forward-looking Infrared Image using Fuzzy Thresholding and Edge Detection," Optical Engineering, Vol.40, No.11, pp. 2638-2645, 2011.

Cited by

  1. Two Scale Fusion Method of Infrared and Visible Images Using Saliency and Variance vol.19, pp.12, 2016, https://doi.org/10.9717/kmms.2016.19.12.1951