基于NSST和自适应PCNN的图像融合算法-论文.pdf

《基于NSST和自适应PCNN的图像融合算法-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第44卷第1期激光与红外Vo1．44．No．12014年1月LASER&INFRAREDJanuary，2014文章编号：1001-5078(2014)01-0108-06·图像与信号处理·基于NSST和自适应PCNN的图像融合算法江平，张强，李静，张锦(合肥工业大学数学学院，安徽合肥230009)摘要：针对红外和可见光图像的特点，本文提出了一种基于非下采样剪切波变换(NSST)和自适应的脉冲耦合神经网络(PCNN)相结合的红外与可见光图像融合的新算法。对经过NSST变换后的低频子带系数采用带高斯权重分布矩阵的局

2、域方差和方差匹配度相结合的融合规则，对高频子带系数采用一种改进的空间频率作为PCNN输入，且采用改进的拉普拉斯能量和作为PCNN的链接强度，利用PCNN全局耦合性和脉冲同步性选择高频子带系数，最后经NSST逆变换后得到融合结果。实验结果表明，本文提出的算法与传统的图像融合算法相比不仅在主观视觉上取得较好的效果，而且在客观标准上也有了一定的提高。关键词：图像融合；非下采样剪切波变换(NSST)；脉冲耦合神经网络(PCNN)；空间频率；拉普拉斯能量和中图分类号：TP391文献标识码：ADOI：10．3969／j．is

3、sn．1001-5078．2014．01．024FusionalgorithmforinfraredandvisibleimagebasedonNSSTandadaptivePCNNJIANGPing，ZHANGQiang，LIJing，ZHANGJin(SchoolofMathematics，HefeiUniversityofTechnology，Hefei230009，China)Abstract：Aimingatthefeatureofinfraredandvisionimages，anewfusional

4、gorithmwhichcombinesnonsubsampledshearlettransform(NSST)withadaptivepulsecoupledneuralnetwork(PCNN)ispresented．Forthelow—frequencysub—bandcoeficients，afusionrulewhichcombineslocalvariancewithaGaussianweightdistributionmatrixafterNSSTtransformwithvariancematch

5、ingisused．Forthehigh—frequencysub—bandcoeficients，animprovedspatialfre—quencyastheinputofthePCNNisused，andtheimprovedSUnlofLaplaceenergyasthePCNNlinkstrengthisused．Thehigh—frequencysub—bandcoefficientsareselectedbyusingtheglobalcouplingandpulsesynchronization

6、of"PCNN，andfinallyfusionresultsareobtainedbyinverseNSSTtransform．Theexperimentresultsshowthatcomparedtothetraditionalimagefusionalgorithms，theproposedalgorithmachievesbetterresultsinthesubjectivevisualantialsoimprovestheobjectivecriteriainsomeextent．Keywords：

7、imagefusion；nonsubsampledshearlettransform(NSST)；pulsecoupledneuralnetwork(PCNN)；spatialfrequency；thesumofLaplaceenergy1引言但小波变换在一维时的优良特性并不能简单地推广随着红外成像技术的飞速发展，红外与可见光到二维或更高维。于是，多尺度几何分析受到广泛图像融合成为图像处理领域的研究热点。融合关注主要有Ridgelet、Curvelet、Contourlet、Shearlet等后的图像可以有效地综

8、合红外图像目标特征和可见作者简介：江平(1972一)，女，副教授，博士，研究方向为应用光图像中场景细节信息。小波变换具有良好的方向数值逼近，几何造型，图形图像处理等。E—mail：jiangping一72性和局部化特征可以较好地表示图像的细节信息，@sina．eom收稿曰期：2013-0427；修订日期：2013-06-27激光与红外No．12014江平等基于NSST和自