Ukrainian Journal of Physical Optics 
Home page
 
 

Other articles 

in this issue
Measurements of image shifts using an edge-extracted joint transform correlator

1,2Fan Chao

1College of Information Science and Engineering of Henan University of Technology, Zheng Zhou, 450001
2Key Laboratory of the Grain Information Processing and Control of the Ministry of Education of China, Zheng Zhou

Download this article

Abstract. To measure accurately sub-pixel image shifts for the space cameras with high resolutions, an improved joint-transform correlation (JTC) algorithm is put forward, which combines fuzzy-edge detection and high-boost filtering. First we explain the principles of measurements of the image shifts based on the JTC. Considering that most of the important information is kept in and described by the edges of image, a modified fuzzy-edge detection algorithm by Pal and King is then used to extract the edge information of the input image. The joint power spectrum is subjected to high-boost filtering to enhance detail-containing image components and eliminate low-frequency noises. Finally, an experimental platform is built and the performance of image-shift measurements based on the improved JTC is studied. The results testify that the measurement errors are normally distributed, with a zero mean and mean-square deviation less than ~ 0.1 pixel, whenever the shift between two correlated images changes from 0 to 25 pixel. As a result, our JTC technique facilitates highly accurate measurements of sub-pixel image shifts. 

Keywords: joint-transform correlators, image shifts, fuzzy edge extraction, high-boost filtering

PACS: 42.79.Hp 
UDC: 004.932
Ukr. J. Phys. Opt. 19 121-131
doi: 10.3116/16091833/19/2/121/2018

Received: 27.12.2017

Анотація. Для високоточних вимірювань субпіксельних зрушень зображень космічних камер з високою роздільною здатністю запропоновано вдосконалений алгоритм кореляції з сумісним перетворенням (КСП), який поєднує виявлення невизначеності країв зображень і високошвидкісну фільтрацію. У роботі пояснено принцип вимірювання зрушень зображень на основі КСП. Враховуючи, що більшість важливої інформації міститься та описується краями зображення, для вилучення крайової інформації вхідного зображення використано модифікований алгоритм розпізнавання нечіткого краю Пала і Кінґа. Об’єднаний спектр потужності піддано високошвидкісній фільтрації для посилення компонентів, що містять деталі зображення, а також усунення низькочастотних шумів. Нарешті, побудовано відповідну експериментальну платформу та вивчено ефективність вимірювань зрушень зображень на основі покращеного КСП. Результати засвідчують, що помилки вимірювань розподілені нормально з нульовим середнім значення та середнім квадратичним відхиленням, меншим за ~ 0,1 пікселя, якщо зрушення поміж двома корельованими зображеннями змінюється від 0 до 25 пікселів. Як наслідок, запропонований метод КСП може з високою точністю вимірювати субпіксельні зрушення зображень.
REFERENCES
  1. Fan C, 2017. Research on the influence of the velocity-height ratio of the remote sensing camera on the image quality. J. Opt. Technol. 84: 45–51.
  2. Fan C, Li Y C and Yi H W, 2007. Influence Analysis of Buffeting on Image quality of TDICCD Camera. Acta Photon. Sinica. 36: 1714–1717.
  3. Liu Haiqiu, Xu Shuyan, Wang Dong, Yan Dejie, Li Weixiong, 2014. Space camera image motion measurement based on images from time delayed integration sensors overlapped area. Acta Opt. Sinica. 34: 116-122.
  4. Fan C, Li Y C and Yi H W, 2007. Influence analysis of drift angle on image quality of TDICCD camera. Opto-Electron. Eng. 34: 70–73.
  5. Loyev V and Yitzhaky Y, 2006. Initialization of iterative parametric algorithms for blind deconvolution of motion- blurred images. Appl. Opt. 45: 2444–2452. doi:10.1364/AO.45.002444
  6. Likhterov B and Kopeika N S, 2004. Motion-blurred image restoration using modified inverse all-pole filters. J. Electron. Imag. 13: 257–263. doi:10.1117/1.1666876
  7. Grycewicz T J, Evans B E and Lau C S, 2005. Joint transform optical correlation applied to sub-pixel image registration. Proc. SPIE. 5908: 1–9. doi:10.1117/12.620809
  8. Elbouza M., Alfaloua A, Brosseau C, Ben Haj Yahia N, Alam MS, 2015. Assessing the performance of a motion tracking system based on optical joint transform correlation. Opt. Commun. 349: 65–82. doi:10.1016/j.optcom.2015.03.020
  9. Sidike P, Asari V K and Alam M S, 2014. Illumination-invariant pattern recognition using fringe-adjusted joint transform correlator and monogenic signal. Proc. SPIE. 9024: 90240C. doi:10.1117/12.2040752
  10. Qi Li, Zhihai Xu, Huajun Feng, Peng Ge, Yueting Chen, Lianghui Li, 2007. Influence of noise on detection accuracy of joint transform optical correlator. Proc. SPIE. 7850: 78502M.
  11. Fan Chao, Li Yingcai, Fu Hongliang, Yang Tiejun, 2011. Influence of defocusing on measurement accuracy of image motion of space camera. Acta Opt. Sinica. 31: 252–258.
  12. Tao Liu, PengGe, Qi Li, Huajun Feng, Zhihai Xu, 2013. Displacement measurement for color images by joint transform correlator. Optik. 124: 162–165. doi:10.1016/j.ijleo.2011.11.032
  13. Wang Y and Zhu M, 2010. Preprocessing input plane image of joint transform correlator based on swarm intelligence method. Opt. Precis. Eng. 18: 958–964.
  14. Xu B Q, Guo Y F and, . 2014. Improvement of joint transform correlator for measurement of space camera image motion. Opt. Precis. Eng. 22: 1418–1423. doi:10.3788/OPE.20142206.1418
  15. Sidike P, Asari V K and Alam M S, 2015. A robust fringe-adjusted joint transform correlator for efficient object detection. Proc. SPIE. 9477: 947707. doi:10.1117/12.2086848
  16. Dou Shuaifeng, Lei Ming, Shen Xueju, Chao Lin 2016. Joint Fresnel transform correlator based on phase encoding. Laser Optoelectron. Progr. 53: 120701. doi:10.3788/LOP53.120701
  17. Pal S K and King RA, 1983. On edge detection of X-ray images using fuzzy sets. IEEE Trans. Pattern Analysis Machine Intelligence. PAMI-5: 69–77. doi:10.1109/TPAMI.1983.4767347
  18. Jubai A, Jing B and Yang J, 2006. Combining fuzzy theory and a genetic algorithm for satellite image edge detection. Int. J. Remote Sensing. 27: 3013–3024. doi:10.1080/01431160600554371
  19. Yong Y and Shuying H, 2008. Modified Pal and King algorithm for fuzzy edge detection. Chin. J. Sci. Instrum. 29: 1918–1922.
  20. Yi Hongwei, Li Yingcai, He Tianbin, Li Xuyang, Zhao Hui 2012. Sub-pixel image motion measurement of space camera based on JTC-CDMA. Infrared Las. Eng. 41: 1635–1640.
  21. Sun H and Zhang S M, 2012. Computation model and error budget for image motion of aerial imaging system. Opt. Precision Eng. 20: 2492–2499. doi:10.3788/OPE.20122011.2492
  22. Dai Chaoyue, Ge Peng Li, Qi Feng Huajun, Xu Zhihai, 2011. Image displacement measurement using double phase-encoding joint transform correlator. Acta Opt. Sinica. 31: 127-133.
(c) Ukrainian Journal of Physical Optics