模擬人類視覺機理的圖像處理方法.pdf

1、圖像分割和圖像融合是圖像處理的兩個重要研究方向。圖像分割和圖像融合是目標識別、目標跟蹤、目標識別等相關研究的基礎工作，具有重要的研究意義，一直是人們的研究熱點。
　　由于應用的場合和分割目的的不同，圖像分割形成了多種分割方法，但是沒有一種通用的圖像分割方法。歸根結底還是計算機不能夠像人一樣的工作，算法的設計受到了局限。為了使計算機能夠像人一樣進行圖像分割，計算機視覺的一些理論被逐漸引入到圖像分割的研究中，形成了以脈沖耦合神經(jīng)網(wǎng)絡模

2、型(PCNN)為代表的的基于人類視覺機理的圖像分割方法。如何讓這些新的算法更加智能，是研究者們關注的熱點。
　　圖像融合指的是將兩個或者兩個以上的傳感器在同一時間或者不同時間獲得的關于某一場景的圖像或者圖像序列信息進行綜合，從而生成新的關于這個場景解釋的信息處理過程。如何讓圖像融合算法更加貼近人類視覺的工作模式，讓融合圖像更加符合人類的感知標準，一直是圖像融合研究追求的目標。隨著人類視覺機理的發(fā)展，圖像融合中也逐漸引入了人類視覺的

3、一些研究成果，這大大促進了圖像融合的發(fā)展。
　　本文以圖像分割和圖像融合為研究對象，引入人類視覺機理模型作為研究方法，探索圖像分割和圖像融合的新方法，使其更加符合人類視覺標準，取得了較好的結果。主要研究工作如下:
　　(1)提出了一種基于脈沖耦合神經(jīng)網(wǎng)絡模型的圖像分割新方法。該方法是模擬人類視覺機理的一種圖像分割方法。方法將圖像像素看成是大腦神經(jīng)元，在外界輸入的刺激下，通過循環(huán)迭代的方式發(fā)放脈沖，模擬人腦視覺皮層的工作方式。

4、在對圖像進行分割的過程中，引入了最大方差比準則對分割過程進行判定，尋找最佳分割點。通過對直方圖分別為單峰、雙峰和多峰的圖像進行實驗分析，證明了這種算法的有效性。
　　(2)針對多圖像融合問題，在標準PCNN的基礎上，提出了一種新的模型——雙層PCNN模型。這種模型可以更好的模擬人類視覺在處理多圖像問題時的工作機理，更加符合人類視覺機理。
　　(3)分別基于小波變換、曲波變換和輪廓波變換，同時結合PCNN模型和雙層PCNN模型