基于NSCT和PCNN的圖像融合方法研究.pdf

1、圖像融合技術(shù)是20世紀(jì)70年代后期被提出并發(fā)展起來的一門新技術(shù),在軍事和民用領(lǐng)域都有著廣泛的應(yīng)用?；谧儞Q域的圖像融合算法是目前研究的熱點(diǎn),在眾多多尺度分析工具中,非下采樣Contourlet變換(NSCT)不僅具有多分辨率、多方向性特點(diǎn),還具有各向異性和完全的平移不變性,因此更加適用于圖像融合。近年來,基于多尺度分解和脈沖耦合神經(jīng)網(wǎng)絡(luò)(PCNN)相結(jié)合的圖像融合方法獲得了更好的融合效果。
　　本文在研究了NSCT和PCNN基本原

2、理的基礎(chǔ)上,提出了一種在圖像的NSCT變換域內(nèi)基于自適應(yīng)PCNN的融合新方法。主要內(nèi)容概括如下:
　　1、研究了Contourlet變換和NSCT的基本原理,分析了NSCT中影響圖像融合質(zhì)量的因素,并通過多組實(shí)驗(yàn)選出了具備最佳融合性能的濾波器組合。
　　2、針對傳統(tǒng)基于PCNN的圖像融合中所有PCNN神經(jīng)元的連接強(qiáng)度系數(shù)都為相同數(shù)值的不足,結(jié)合NSCT,提出了以圖像的NSCT域內(nèi)各子帶系數(shù)的空間頻率(SF)作為PCNN對應(yīng)神

3、經(jīng)元的自適應(yīng)連接強(qiáng)度系數(shù)、改進(jìn)的拉普拉斯能量和(SML)作為PCNN每個(gè)神經(jīng)元的外部激勵(lì)的自適應(yīng)PCNN模型。
　　3、提出了在圖像的NSCT域內(nèi)使用自適應(yīng)的PCNN模型進(jìn)行融合圖像子帶系數(shù)選擇的圖像融合新方法,并重點(diǎn)說明了對決策圖進(jìn)行一致性檢驗(yàn)的方法。
　　使用本文提出的圖像融合方法,對紅外與可見光圖像、多聚焦圖像進(jìn)行了融合對比實(shí)驗(yàn),結(jié)果表明,本文方法優(yōu)于基于傳統(tǒng)離散小波變換、平穩(wěn)小波變換、NSCT及NSCT與傳統(tǒng)PCNN