資源描述：
《一種基于NSCT和PCNN的圖像融合算法-論文.pdf》由會員上傳分享，免費在線閱讀，更多相關內容在應用文檔-天天文庫。
1、●秘麓薅V。腳L解iot??i【本文獻信息】石瀚洋，楊靜，趙焱．一種基于NSCT和PCNN的圖像融合算法[J]．電視技術，2014，38(9)一種基于NSCT和PCNN的圖像融合算法石瀚洋，楊靜，趙焱(太原理工大學信息工程學院，山西太原030024)【摘要】在NSCT變換域提出了一種基于清晰度和PCNN的圖像融合算法。首先對源圖像分別進行NSCT變換，得到一組高頻子帶，和一個低頻子帶。然后對低頻子帶用提出的邊緣清晰度算法進行融合處理，對高頻子帶，用提出的空間頻率做鏈接強度的自適應PCNN算法進行融合處理。最后通過NSCT逆變換得到融合結果圖像。對融合圖像的結果分析證明，該算
2、法在主觀評價和客觀評價指標方面都有所提高。【關鍵詞】非下采樣Contourlet變換；清晰度；脈沖耦合神經(jīng)網(wǎng)絡；多聚焦圖像融合【中圖分類號】TN911．73；TP317．4【文獻標志碼】AImageFusionAlgorithminNSCTDomainBasedonPCNNSHIHanyang，YANGJing，ZHAOYan(InformationEngineeringSchool，TaiyuanUniversityofTechnology，Taiyuan030024，China)【Abstract】AnimagefusionalgorithmbycombingNonsu
3、bsampledContourletTransform(NSCT)andPulseCoupledNeuralNetwork(PCNN)ispresen—tedinthispaper．Thisalgorithmcouldimprovethequalityofimagefusionfromimprovingimagedefinition．Firstly，twoprimitivematchedimagesarede—composedinNSCTdomain．Thelowfrequencyusedthefusionbasedondefinition．Thehighfrequency
4、coefficientsareinputtotheadaptivePCNN．Final—ly，thefusedimageisobtainedthroughinverseNSCT．Thesimulationresultsshowthattheresultsaremuchbetterthantheexperimentalresults，whichthemutualinformationanddefinitionarehigherthanthecontrastmethodoffusionresults．【Keywords】NSCT；PCNN；definition；multi—fo
5、cusimagefusion圖像融合是信息融合的重要組成部分，它幫助研究人平移不變性。這會使得偽吉布斯現(xiàn)象出現(xiàn)，從而影響融合員得到更清晰、可靠、高理解度的高質量圖片，是圖像處理效果。由A．L．Cunha于2006年等提出的NSCT(Non—的基礎。隨著電子技術和傳感器技術的快速發(fā)展，圖像融subsampleContourletTransform)改變了這一局面，它不但合技術在醫(yī)療、生物、工程檢測、軍事、等方面都發(fā)揮了重與Contourlet變換一樣，擁有多尺度、多方向特性，它還具要的作用。近年來，在目標識別、人臉識別、目標檢測、目有平移不變性，這樣從根本上消除了偽吉布斯現(xiàn)象
6、。標跟蹤、醫(yī)療成像、對地觀測和計算機視覺等領域更是如PCNN是上世紀末Eehorn等提出的第三代人工神經(jīng)此。圖像融合是將兩個或兩個以上的傳感器在同一時間網(wǎng)絡神經(jīng)網(wǎng)絡，它是模擬貓大腦皮層的生物學特性提出或不同時間獲取的關于某個具體場景的圖像或圖像序列的，它具有全局耦合性和脈沖同步性，對圖像的每個像素信息加以綜合，以生成新的有關場景解釋的信息處理過的特性與全局特性能夠做到兼顧。本文在分析NSCT的程?。圖像融合通常在像素級、特征級和決策級三個層基礎上，針對多聚焦圖像在融合時需要著重考慮清晰度的級中展開。其中，像素級融合是核心也是基礎。問題，將NSCT和PCNN組合應用，在NSC
7、T變換域提出基在圖像融合的諸多方法中，基于多尺度分解的圖像于PCNN和清晰度融合規(guī)則相結合的多聚焦融合方法。融合尤為重要。其中，小波變換的時一頻特性優(yōu)良，展現(xiàn)1非下采樣Contourlet變換(NSCT)出很好的多分辨率特性?？尚枰f明的是，其分解出的方向特性信息有限(橫向、縱向和對角線方向)。因此，在研NSCT是由Contourlet變換改進衍生而來的，它具有究者們通過不斷的努力下，新的圖像尺度分解方法不斷被Contourlet變換所見長的多尺度、多方向特性。與此同時，提出(如脊波變換、曲波變換)這些圖像變換方法
