Estimation of image fusion methods for purposes of vision monitoring of industrial process

• Autorzy: Jamrozik W. , Fidali M.

Warianty tytułu

PL

Ocena metod fuzji obrazów pod kątem ich zastosowania w wizyjnych układach monitorujących procesy przemysłowe

• Języki publikacji: EN

Abstrakty

EN

In the paper, aspects of selection of the most suitable image fusion method of infrared and vision images are discussed. Those studies are preceded by a short description of the theoretical background connected with image fusion methods as well as evaluation of fusion algorithms. The considered images were acquired during the author's research connected with the diagnostics of a welding process as well as the development of a fusion system for aiding the detection of flying objects. The discussion presented in the paper can be applied to many similar problems occurring in machine vision systems of industrial processes.

PL

Artykuł dotyczy wyboru odpowiedniej metody fuzji obrazów dla potrzeb zastosowania w układzie monitorowania procesu przemysłowego. Istnieje wiele metod fuzji obrazów, jednak nie wszystkie nadają się do zastosowania w sytuacji, gdy mamy do czynienia z obrazami wizyjnymi i termowizyjnymi, których zawartość zmienia się dynamicznie w czasie obserwacji procesu przemysłowego. Wyniki przedstawione w pracy bazują na doświadczeniach autorów zdobytych w trakcie badań nad monitorowaniem procesu spawania i realizacji układu fuzji obrazów dedykowanego do identyfikacji obiektów latających. W pracy bazowano na zbiorze znanych metod fuzji obrazów, których wyniki działania oceniono pod kątem przydatności do dalszej analizy wykorzystując metody obiektywne i subiektywne. Obiektywne metody oceny metod fuzji potwierdzają subiektywne analizy ekspertów przeprowadzano dla obrazów po fuzji. Przedstawiony sposób postępowania i wyniki mogą być uogólnione do podobnych problemów wynikających ze specyfiki różnorodnych procesów przemysłowych.

Słowa kluczowe

EN

image; fusion; registration; infrared image; quality measure

PL

obraz; fuzja; dopasowanie; obraz termowizyjny; miara jakości

• Wydawca: Wydawnictwo PAK
• Czasopismo: Pomiary Automatyka Kontrola
• Rocznik: 2011
• Tom: R. 57, nr 9
• Strony: 993--996
• Opis fizyczny: Bibliogr. 25 poz., rys., tab., wzory

Twórcy

autor

Jamrozik W.

autor

Fidali M.

• Silesian University of technology, Department of Fundamentals of Machinery Design, 18A Konarskiego str., 44-100 Gliwice,

Bibliografia

• [1] Irani M. and Anandan P., 1998: Robust multi-sensor image alignment, in Proc. Int. Conf. Computer Vision, pp. 959-966.
• [2] Lee J. H., Kim Y. S., Lee D., Kang D. G., Ra J. B., 2010: Robust CCD and IR Image Registration Using Gradient-Based Statistical Information, Signal Processing Letters, IEEE, vol. 17, no. 4, pp. 347-350.
• [3] Chen H. M. and Varshney P. K., 2001: Automatic two-stage IR and MMW image registration algorithm for concealed weapons detection, Vision, Image and Signal Processing, IEEE Proceedings, vol. 148, no. 4, pp. 209-216.
• [4] Kim Y. S., Lee J. H., Ra J. B., 2008: Multi-sensor image registration based on intensity and edge orientation information, Pattern Recognition, vol. 41, pp. 3356-3365.
• [5] Hanaizumi H. and Fujimura S., 1993: An automated method for registration of satellite remote sensing images, Proceedings of the International Geoscience and Remote Sensing Symposium IGARSS’93, Tokyo, pp. 1348-1350.
• [6] Bracewell R. N., 1965: The Fourier Transform and Its Applications, McGraw-Hill, New York.
• [7] Smith M. I., Heather J. P., 2005: A review of image fusion technology in 2005, in Proc. SPIE, 5782, pp. 29-45.
• [8] Fidali M., Bzymek A., Timofiejczuk A., Czupryński A., Jamrozik W.: Ocena stanu procesu spawania na podstawie analizy obrazów wizyjnych i termowizyjnych. Biuletyn Instytutu Spawalnictwa w Gliwicach. 2/2009, Vol. 53. s. 50-58.
• [9] Infratec, http://www.infratec.de/ pl/thermografie/ waermebildkameras/ variocamR-hr-head-500-serie.html. 17-06-2011
• [10] Theimagingsource, http://www.theimagingsource.com/ en_US/products/ cameras/firewire-ccd-mono/. 17-06-2011.
• [11] Patrick Veit, Stefan Ruehm, Hilmar Kuehl, Hrvoje Stergar, Stefan Mueller, Andreas Bockisch, Gerald Antoch: Lymph node staging with dual-modality PET/CT: Enhancing the diagnostic accuracy in oncology, European Journal of Radiology, Volume 58, Issue 3, Modern Lymphnode Imaging, June 2006, Pages 383-389.
• [12] Nishioka T. et al: Impact of 18FDG-pet and CT/MRI image fusion in radiotherapy planning of head-and-neck tumors, International Journal of Radiation Oncology*Biology*Physics, Volume 48, Issue 3, Supplement 1, 2000, Pages 260-261.
• [13] Maruthi R., Suresh M., 2007: Metrics for Measuring the Quality of Fused Images. International Conference on Computational Intelligence and Multimedia Application.
• [14] Zitová B., Flusser J., 2003: Image registration methods: a survey. Image Vision Comput., pp. 977-1000.
• [15] Burt P., Adelson E., 1983: Laplacian pyramid as a compact image code, IEEE Transactions on Communications, Vol. 31, No. 4.
• [16] Toet A., 1996: Image fusion by a ratio of low-pass pyramid, Pattern Recognition Letters 9, pp. 245-253.
• [17] Toet A., van Ruyven J. J., J. M. Valeton, 1989: Merging thermal and visual images by a contrast pyramid. Optical Engineering, 28 (7):789-792.
• [18] Ramac L. C., Uner M. K., Varshney P. K., 1998: Morphological filters and wavelet based image fusion for concealed weapon detection, Proceedings of SPIE, Vol. 3376.
• [19] Li S. T., Wang Y. N., 2000: Multisensor image fusion using discrete multiwavelet transform, Proceedings of the 3rd International Conference on Visual Computing, Mexico City, Mexico.
• [20] Rockinger O., 1997: Image Sequence Fusion Using a Shift Invariant Wavelet Transform, Proceedings of the International Conference on Image Processing.
• [21] Anderson H., 1987: A filter-subtract -decimate hierarchical pyramid signal analyzing and synthesizing technique, U. S. Patent 718 104.
• [22] Metwalli M. R., Nasr A. H., Farag Allah O. S., El-Rabaie S., 2009: Image fusion based on principal component analysis and high-pass filter, Computer Engineering & Systems, 2009. ICCES 2009. International Conference on, pp. 63-70.
• [23] Wang Z., Bovik A. C., Sheikh H. R., Simoncelli E. P. 2004: Image Quality Assessment: From Error Visibility to Structural Similarity. IEEE Transactions on Image Processing, vol. 13, no. 4.
• [24] Fluke White Paper Development Insider How patent-pending technology blends thermal and visible light. http://support.fluke.com/find-sales/Download/Asset/2788400_6251_ENG_A_W.PDF. 20-04-2011
• [25] Xydeas C., Petrovic´ V., 2000, Objective image fusion performance measure, Electronics Letters 36, 308-309.