基于Contourlet分解的圖像融合算法研究.pdf

1、圖像融合技術(shù)被廣泛應(yīng)用在遙感、軍事、醫(yī)學(xué)等領(lǐng)域，有著廣闊的研究前景。為了獲得融合效果優(yōu)良的圖像融合方法，本文在對(duì)Contourlet變換的基本理論和Contourlet系數(shù)間關(guān)系的研究后，提出了3種Contourlet相關(guān)性系數(shù)，并將相鄰最大子節(jié)點(diǎn)的區(qū)域相關(guān)性系數(shù)運(yùn)用到圖像融合算法中，提出一種基于Contourlet變換系數(shù)相關(guān)性的圖像融合算法。脈沖耦合神經(jīng)網(wǎng)絡(luò)（Pulsecoupled neural networks,PCNN）是一種

2、智能的類(lèi)似人眼視覺(jué)系統(tǒng)的神經(jīng)網(wǎng)絡(luò)，被廣泛地用于圖像處理上，將PCNN應(yīng)用在圖像融合中，更符合視覺(jué)特性。本文提出了一種基于Contourlet相關(guān)性系數(shù)和簡(jiǎn)化的PCNN模型相結(jié)合的圖像融合算法。
　　論文圍繞上述內(nèi)容進(jìn)行了詳細(xì)的研究，主要研究?jī)?nèi)容如下:
　　1.研究了具有多尺度、多方向特性的Contourlet變換，詳細(xì)介紹了Contourlet變換的兩個(gè)組成部分：拉普拉斯金字塔和方向?yàn)V波器組；介紹了Contourlet變換的

3、特點(diǎn)，為分析Contourlet系數(shù)間相關(guān)性打下基礎(chǔ)；根據(jù)Contourlet分解系數(shù)的傳遞關(guān)系，分別研究了Contourlet尺度間和Contourlet尺度內(nèi)的系數(shù)關(guān)系，提出3種Contourlet相關(guān)性系數(shù)，并通過(guò)實(shí)驗(yàn)比較了3種相關(guān)性系數(shù)在圖像邊緣和紋理的提取效果。
　　2.介紹了脈沖耦合神經(jīng)網(wǎng)絡(luò)的基本理論；介紹了PCNN的基本模型，詳細(xì)介紹了PCNN的組成，研究了各個(gè)參數(shù)之間的關(guān)系；然后，介紹了無(wú)耦合鏈接PCNN和耦合鏈接

4、PCNN的運(yùn)行方式；介紹了一種PCNN簡(jiǎn)化模型。
　　3.提出了一種基于Contourlet變換系數(shù)相關(guān)性的圖像融合算法，在對(duì)Contourlet分解后的低頻子帶系數(shù)和高頻方向子帶系數(shù)選取不同的融合規(guī)則。低頻部分選取加權(quán)平均的規(guī)則，高頻部分選取Contourlet相關(guān)性系數(shù)和能量權(quán)重相結(jié)合的融合規(guī)則。實(shí)驗(yàn)表明，得到的融合圖像很好地刻畫(huà)了圖像的邊緣和紋理信息。
　　4.將Contourlet相關(guān)性系數(shù)和簡(jiǎn)化的PCNN模型相結(jié)合