Fusión de imágenes con múltiples puntos de enfoque basado en sensado compresivo
##plugins.themes.bootstrap3.article.sidebar##
ISSN: 2076-8133
E-ISSN: 2312-637X
Sección
Tecnología I+D
Tecnología I+D
Esta obra está bajo licencia internacional Creative Commons Reconocimiento-NoComercial-SinObrasDerivadas 4.0.
##plugins.themes.bootstrap3.article.main##
Enviado:
Aug 8, 2016
Publicado: Aug 9, 2016
Publicado: Aug 9, 2016
Resumen
En este artículo se presentan resultados en la aplicación del principio del sensado compresivo (SC) al problema de fusión de imágenes con múltiples puntos de enfoque. Se presenta las bases teóricas e implementación de un algoritmo de fusión basado en SC. Adicionalmente, se presenta un estudio comparativo con otros algoritmos de fusión de imágenes que pone en evidencia las propiedades y el potencial del método presentado.
Palabras claves: procesamiento de imágenes, sensado compresivo, fusión de imágenes.
Palabras claves: procesamiento de imágenes, sensado compresivo, fusión de imágenes.
Descargas
La descarga de datos todavía no está disponible.
##plugins.themes.bootstrap3.article.details##
Cómo citar
Quezada, E., Arribasplata, R., & Merchán, F. (2016). Fusión de imágenes con múltiples puntos de enfoque basado en sensado compresivo. Prisma Tecnológico, 4(1), 38-41. Recuperado a partir de https://revistas.utp.ac.pa/index.php/prisma/article/view/510
Citas
[1] E. Candés, J. Romberg, and T. Tao, “Robust uncertainty principles: Exact signal reconstruction from highly incomplete frequency information,” IEEE Trans. Inform. Theory, vol. 56, No. 2, pp. 489-509, 2006.
[2] David L. Donoho, “Compressed sensing,” IEEE Trans. Inform. Theory, vol. 52, No. 4, pp. 1289-1306, Apr. 2006.
[3] T. Wan, N. Canagarajah, A. Achim, “Compressive Image Fusion,” Proc. IEEE Int. Conf. Image Process, pp. 1308- 1311, 2008.
[4] M. I. Smith, J.P. Heather, “Review of image fusion technology in 2005,” Proceedings on Defense and Security Symposium, Orlando, FL, March 28–April 1, 2005.
[5] T. Wan, N. Canagarajah, A. Achim, “Compressive Image Fusion,” in Proc. IEEE Int. Conf. Image Process, pp. 1308-1311, 2008.
[6] E. Candés and J. Romberg, l1-magic: Recovery of sparse signal via convex programming, code package available at http://www.l1-magic.org
[7] J.-L. Starck, F. Murtagh & J. M. Fadili, Sparse Image and Signal Processing. Wavelets, Curvelets, Morphological Diversity, Cambridge Univ. Press, 2010.
[8] G. Pajares & J. Cruz, Visión por computador, 2ed., Alfaomega Ed., México 2008.
[2] David L. Donoho, “Compressed sensing,” IEEE Trans. Inform. Theory, vol. 52, No. 4, pp. 1289-1306, Apr. 2006.
[3] T. Wan, N. Canagarajah, A. Achim, “Compressive Image Fusion,” Proc. IEEE Int. Conf. Image Process, pp. 1308- 1311, 2008.
[4] M. I. Smith, J.P. Heather, “Review of image fusion technology in 2005,” Proceedings on Defense and Security Symposium, Orlando, FL, March 28–April 1, 2005.
[5] T. Wan, N. Canagarajah, A. Achim, “Compressive Image Fusion,” in Proc. IEEE Int. Conf. Image Process, pp. 1308-1311, 2008.
[6] E. Candés and J. Romberg, l1-magic: Recovery of sparse signal via convex programming, code package available at http://www.l1-magic.org
[7] J.-L. Starck, F. Murtagh & J. M. Fadili, Sparse Image and Signal Processing. Wavelets, Curvelets, Morphological Diversity, Cambridge Univ. Press, 2010.
[8] G. Pajares & J. Cruz, Visión por computador, 2ed., Alfaomega Ed., México 2008.