V. Aslantas [6] presented a new ima

V. Aslantas [6] presented a new image fusion scheme using differential evolution algorithm. Images are divided into blocks. Optimal block size is selected using differential evolution algorithm. This algorithm is fast. DE involves 3 operations: initial population generation, mutation, crossover to choose optimum block size. Then focus measure of block calculated using spatial frequency, variance or sum-modified-laplacian measure. Higher value of focus measure, sharper is the image block. Thus sharpness value is compared of 2 corresponding blocks and shaper blocks are selected to construct a fused image. Then global sharpness value of imageis calculated. Larger the sharpness value better is the fused image. The process is repeated till a predefined condition is satisfied. For performance measure of fusion process, peaksignal to noise ratio (PSNR) and mutual information (MI) are used. Larger value of MI MSE and PSNR gives better fusion. Differential evolution (DE) algorithm is compared withgenetic algorithm (GE) and transform based methods like laplacian and wavelet. DE is reliable than GA based method. Fused image has higher quality than previous techniques.

結果 (繁體中文) 1:

V. Aslantas [6]提出了使用差分進化算法的新圖像融合方法。圖像被劃分成塊。最佳塊大小是利用差分演化算法來選擇。該算法快。DE涉及3個操作：初始群體的產生，變異，交叉，選擇最佳的塊大小。然後利用空間頻率，方差或計算的塊的聚焦度量之和改性的拉普拉斯量度。聚焦度量的較高的值，更清晰的是圖像塊。因此銳度值與2對應塊的和整形器塊被選擇用來構成融合圖像。然後，圖像的銳度全球價值
計算。較大的銳度值越好融合圖像。重複這個過程，直到預定條件被滿足。對於融合過程的性能指標，高峰
信號噪聲比（PSNR）和互信息（MI）被使用。MI MSE和PSNR的值越大，提供了更好的融合。差分進化（DE）算法相比
遺傳算法（GE）和基於變換等拉普拉斯和小波的方法。DE比基於GA方法可靠。融合後的圖像具有比以往技術更高的質量。

結果 (繁體中文) 2:

Aslantas [6]提出了一種使用微分演化演算法的新圖像融合方案。圖像被劃分為多個塊。使用差分演化演算法選擇最佳塊大小。此演算法速度快。DE 涉及 3 個操作：初始總體生成、突變、交叉選擇最佳塊大小。然後，使用空間頻率、方差或總和修改-拉布拉西亞度量計算塊的對焦度量。對焦測量值越高，圖像塊越清晰。因此，將銳度值與 2 個相應的塊進行比較，並選擇整形塊來構造融合圖像。然後圖像的全球銳度值
計算。熔融圖像的銳度值越大越好。該過程將重複，直到滿足預定義的條件。對於融合過程的性能測量，峰值
使用信噪比 （PSNR） 和相互資訊 （MI）。MI MSE 和 PSNR 值越大，融合效果越好。將差分演化 （DE） 演算法與
遺傳演算法（GE）和基於變換的方法，如拉子和小波。DE 比基於 GA 的方法可靠。融合圖像具有比以前的技術更高的品質。

結果 (繁體中文) 3:

V.Aslantas[6]提出了一種新的基於差分進化演算法的影像融合方案。影像被分成塊。利用差分進化演算法選擇最優塊大小。這個算灋很快。DE包括3個操作：初始種群生成、變異、交叉選擇最優塊大小。然後利用空間頻率、方差或和修正拉普拉斯測度計算塊的聚焦測度。焦距測量值越高，影像塊越清晰。囙此，比較兩個對應的塊的銳度值，選擇形狀塊來構造融合影像。那麼影像的全域銳度值
是經過計算的。銳度值越大融合影像效果越好。重複該過程，直到滿足預定義的條件。對於聚變過程的效能量測，峰值
採用信噪比（PSNR）和互資訊（MI）。MI-MSE和PSNR值越大，融合效果越好。將差分進化（DE）算灋與
遺傳演算法（GE）和基於變換的方法，如拉普拉斯和小波。DE方法比基於GA的方法更可靠。融合後的影像比以往的科技具有更高的質量。