Fusiebeelden

Fusiebeelden is een verzamelnaam voor beelden die tot stand komen door het combineren van twee of meer afzonderlijke bronbeelden tot één nieuw beeld. Het doel van fusiebeelden is het maximaliseren van informatie-inhoud en het verbeteren van de interpretatie van wat op het beeld te zien is. Fusiebeelden komen voor in verschillende domeinen, zoals remote sensing, medische beeldvorming, data-analyse en computer vision.

In remote sensing wordt fusiebeeldvorming veel toegepast om zowel ruimtelijke details als spectrale informatie te behouden. Een bekend voorbeeld is pan-sharpening, waarbij een hoge-resolutie panchromatisch beeld wordt gecombineerd met een lagere-resolutie multispectrum afbeelding. In medische beeldvorming wordt fusion gebruikt om beelden uit verschillende modaliteiten, zoals CT, MRI en PET, te combineren zodat artsen meer informatie hebben voor diagnose en planning.

Technieken voor fusiebeelden variëren. Ze lopen van eenvoudige pixelniveaumethoden zoals gewogen sommen of max-operators, tot transform-gebaseerde benaderingen zoals principal component analysis, wavelet- of Laplacian-piramide- en Fourier- spilleringen. Recente ontwikkelingen betreffen diepgaande leerarchitecturen (convolutionele neurale netwerken) die fusion maps leren optimaliseren op basis van trainingsdata. Keuze van methode hangt af van gewenste balans tussen detailbehoud, contrast en foutintroducerende artefacten.

Uitdagingen bij fusiebeelden zijn onder meer multiforme misregistratie, resolutieverlaging, en artefacten die de interpretatie kunnen verstoren. Evalueert wordt fusiebeeldkwaliteit vaak met objectieve metrics zoals mutual information, entropie en structurele gelijkheid (SSIM), aangevuld met subjectieve beoordeling door experten.

Toepassingen variëren van satelliet- en aardobservatie tot medische diagnostiek, waar fusiebeelden de complementariteit van verschillende beelden benutten en zo betrouwbaardere conclusies mogelijk maken.