基于交叉視覺(jué)皮質(zhì)模型圖像融合算法研究.pdf

1、通過(guò)某種融合算法將不同的圖像源或者是同一傳感器上的兩幅或者多幅圖像融合成為一幅新的圖像稱之為圖像融合。隨著技術(shù)的發(fā)展，圖像融合技術(shù)有著質(zhì)的發(fā)展和提升，使得圖像的融合效果得到了很大的改善。
　　為了進(jìn)一步改善圖像的融合效果，本論文主要研究了基于非下采樣Contourlet變換(Non-Subsampled Contourlet Transform，NSCT)與第三代人工神經(jīng)網(wǎng)絡(luò)模型中對(duì)交叉視覺(jué)皮質(zhì)模型(Intersecting co

2、rticalmodel，ICM)進(jìn)行改進(jìn)相結(jié)合的方法對(duì)圖像進(jìn)行融合。論文的主要工作和創(chuàng)新如下:
　　1.文章開(kāi)始部分簡(jiǎn)要的對(duì)圖像融合研究的背景、意義以及融合的方法進(jìn)行了介紹。然后闡述了圖像融中由小波變換到Contourlet變換，再到NSCT變換的歷程，著重介紹了Contourlet變換和NSCT變換的理論。最后，文章對(duì)圖像融合方法中的第三代人工神經(jīng)網(wǎng)絡(luò)模型之脈沖耦合神經(jīng)網(wǎng)絡(luò)模型(Pulse Coupled Neural Netw

3、ork，PCNN)和交叉視覺(jué)皮質(zhì)模型作了詳細(xì)的介紹。
　　2.對(duì)傳統(tǒng)的ICM模型作進(jìn)一步的改進(jìn)，改進(jìn)的ICM模型中的參數(shù)不需要人工選取，實(shí)現(xiàn)了自適應(yīng)選取，能夠滿足圖像的實(shí)時(shí)處理。相對(duì)于Contourlet變換，NSCT變換具有平移不變性的特性，因此，本文選取NSCT變換作為圖像的多尺度、多方向的分解工具，然后結(jié)合改進(jìn)的ICM模型對(duì)圖像進(jìn)行融合。
　　3.源圖像經(jīng)過(guò)NSCT變換分解后，對(duì)于低頻部分本文采用改進(jìn)的拉普拉斯和(Im

4、proved Sum-modified of Laplace，ISL)與改進(jìn)的拉普拉斯能量和(Improved Sum-modified Energy of Laplace，ISEL)相結(jié)合的方法進(jìn)行融合，對(duì)于高頻部分本文采用與改進(jìn)的ICM模型相結(jié)合的融合規(guī)則對(duì)圖像進(jìn)行融合。
　　4.最后本文通過(guò)三類圖像源即醫(yī)學(xué)圖像、紅外線與可見(jiàn)光圖像、多聚焦圖像分別進(jìn)行融合仿真實(shí)驗(yàn)，本論文通過(guò)主觀定性和7個(gè)客觀定量指標(biāo)對(duì)圖形的融合結(jié)果進(jìn)行綜合的