基于PCNN和NSCT變換的圖像融合算法.pdf

1、隨著圖像傳感器技術的不斷發(fā)展，作為信息融合技術的一個分支，圖像融合技術在很多領域都獲得了廣泛的應用。為了獲得融合效果優(yōu)良、運算處理速度快的圖像融合方法，本文對現(xiàn)有的數(shù)字圖像融合技術的基本理論和基本概念進行論述和分析，在對國內(nèi)外已有的圖像融合算法進行研究和分析的基礎上，對國內(nèi)外一些典型的圖像融合算法進行研究和分析。并根據(jù)非下采樣Contourfet變換(NonsubsampledContourletTransform，NSCT)，以及脈沖

2、耦合神經(jīng)網(wǎng)絡(Pulsecoupledneuralnetworks，PCNN)的特點提出了基于非下采Contourlet變換和自適應的脈沖耦合神經(jīng)網(wǎng)絡相結合的圖像融合方法。論文的主要工作和創(chuàng)新之處如下:
　　1.研究了多尺度分解與重構工具在圖像融合方面的應用，并針對小波變換等多尺度分解與重構工具的諸多缺陷以及普通Contourlet變換不具有平移不變性易產(chǎn)生吉布斯現(xiàn)象的缺點，選擇NSCT變換對源圖像進行融合。
　　2.通過實

3、驗比較基于NSCT變換的圖像融合方法得到的融合圖像的性能與采用其他的多尺度分解與重構工具獲得的融合圖像的性能，得出了基于NSCT變換的圖像融合方法的優(yōu)越性，融合效果更好。并提出了基于非下采樣Contourlet變換與自適應PCNN相結合的圖像融合方法。
　　3.在圖像融合規(guī)則的問題的設計上，對原始圖像經(jīng)非下采樣Contourlet變換分解得到的帶通方向子帶系數(shù)和低頻子帶系數(shù)分別采用了不同的系數(shù)選擇規(guī)則。針對圖像低頻子帶和帶通方向子

4、帶的特征分別選擇基于圖像區(qū)域特征的特征量作為低頻子帶系數(shù)的選擇規(guī)則和基于PCNN作為帶通方向子帶系數(shù)的選擇規(guī)則。
　　4.在傳統(tǒng)的基于PCNN模型的圖像融合方法中大都采用圖像像素點的灰度值做為PCNN神經(jīng)元的外部輸入。然而根據(jù)人眼視覺系統(tǒng)對圖像的細節(jié)信息以及圖像邊緣比較敏感的特性可知，圖像的特征往往不是由單一的像素體現(xiàn)的，因此本文采用基于不同類型待融合圖像的圖像特征，選擇不同的區(qū)域特性來作為作為PCNN神經(jīng)元的外部輸入的方法，并且