A novel video fusion framework using surfacelet transform
A novel video fusion framework using surfacelet transform
复制标题
一种使用Surfacelet变换的新型视频融合框架
DOI：
10.1016/j.optcom.2012.02.064
复制
发表时间：
2012-06
影响因子：
2.4
通讯作者：
Li Huijuan
中科院分区：
文献类型：
--
作者：
Zhang Qiang;Wang Long;Ma Zhaokun;Li Huijuan
本文提出了一种基于三维曲面变换（3D-ST）的新型视频融合框架。与传统的基于单帧的视频融合方法不同，所提出的框架将输入视频的多帧图像融合为一个整体，而不是与 3D-ST 独立地逐帧融合。此外，在所提出的框架下，提出了两种基于ST的视频融合算法。第一种算法没有对输入视频中的时间运动信息进行特殊处理，仅采用基于时空区域能量的融合规则。而在第二种算法中，执行改进的基于z分数的运动检测以区分时间运动信息和空间几何信息，然后提出基于运动的融合规则。实验结果表明，利用 3D-ST 的运动选择性，现有的静态图像融合规则可以扩展到所提出的框架下的视频融合。这两种提出的融合算法在时空信息提取以及时间稳定性和一致性方面都显着优于一些传统的基于单帧和基于运动的方法。此外，第二种算法计算效率高，可应用于实时视频融合。
A novel video fusion framework based on the three-dimensional surfacelet transform (3D-ST) is proposed in this paper. Different from the traditional individual-frame based video fusion methods, the proposed framework fused multi-frame images of input videos as a whole rather than frame by frame independently with the 3D-ST. Furthermore, under the proposed framework, two ST-based video fusion algorithms are proposed. In the first algorithm, no special treatment is performed on the temporal motion information in input videos, and only a spatial-temporal region energy-based fusion rule is employed. While in the second algorithm, a modified z-score based motion detection is performed to distinguish the temporal motion information from the spatial geometry information, and then a motion-based fusion rule is present. Experimental results demonstrate that, with the motion selectivity of the 3D-ST, existing static image fusion rules can be extended to video fusion under the proposed framework. Both of the two proposed fusion algorithms significantly outperform some traditional individual-frame based and motion-based methods in spatial-temporal information extraction as well as in temporal stability and consistency. In addition, the second proposed algorithm is with high computation efficiency and can be applied to real-time video fusion.
登录
查看更多内容
影响因子：
3.2
作者：
Zhong-hua Wang;Zheng Qin;Yu Liu
通讯作者：
Zhong-hua Wang;Zheng Qin;Yu Liu
基于人类视觉系统的视频质量评估指标
影响因子：
5.4
作者：
Wen Lu;Xuelong Li;Xinbo Gao;Wenjian Tang;Jing Li;Dacheng Tao
通讯作者：
Dacheng Tao
DOI：
10.2307/2530985
发表时间：
1980-07
期刊：
--
影响因子：
--
作者：
V. Barnett;T. Lewis
通讯作者：
V. Barnett;T. Lewis
影响因子：
2.9
作者：
Christopher K. I. Williams;Michalis K. Titsias
通讯作者：
Christopher K. I. Williams;Michalis K. Titsias
DOI：
10.1016/j.imavis.2010.08.002
发表时间：
2011
期刊：
Image Vis. Comput.
影响因子：
--
作者：
Guillaume-Alexandre Bilodeau;Atousa Torabi;François Morin
通讯作者：
Guillaume-Alexandre Bilodeau;Atousa Torabi;François Morin