第 26 卷 第 10 期
Vol. 26 No. 10
控 制 与 决 策
Control and Decision
2011 年 10 月
Oct. 2011
基于 NSCT 域感受野模型的图像融合方法
文章编号: 1001-0920 (2011) 10-1493-06
孔韦韦, 雷英杰, 雷 阳, 李卫忠
(空军工程大学 导弹学院，陕西 三原 713800)
摘 要: 针对多传感器图像融合问题, 提出了一种基于非下采样轮廓波变换域感受野模型的图像融合方法. 首先, 采
用非下采样轮廓波变换对源图像进行多尺度、多方向稀疏分解; 然后, 对低频子图像采用改进型感受野模型进行融
合, 高频子图像则采用自适应 Unit-Fast-Linking 脉冲耦合神经网络模型进行融合; 最后, 将各子图像进行非下采样轮
廓波逆变换, 得到最终融合图像. 仿真实验表明了所提出方法的有效性.
关键词: 图像融合；非下采样轮廓波变换；感受野；脉冲耦合神经网络
中图分类号: TP182 文献标识码: A
Technique for image fusion based on non-subsampled contourlet
transform domain receptive field model
KONG Wei-wei, LEI Ying-jie, LEI Yang, LI Wei-zhong
(Institute of Missile，Air Force Engineering University，Sanyuan 713800，China．Correspondent：KONG Wei-wei,
E-mail：kwwking321@163.com)
Abstract: To the multi-sensor image fusion problem, a technique for image fusion based on non-subsampled contourlet
transform(NSCT) domain receptive field model is presented. Firstly, by using NSCT, multi-scale and multi-direction sparse
decomposition of source images are performed. Then, an improved receptive field model is utilized to achieve the fusion of
the low frequency sub-images. In addition, the course of the high frequency sub-images fusion can be completed by using the
model of adaptive unit-fast-linking pulse coupled neural network. Finally, the final fused image can be gained by adopting
inverse NSCT to all sub-images. The simulation experimental results show the effectiveness of the proposed technique.
Key words: image fusion；non-subsampled contourlet transform；receptive field；pulse coupled neural network
1 引引引 言言言
图像融合
[1]
是指对不同传感器所获得的两幅或
多幅源图像加以综合, 充分利用被融合图像所包含的
冗余和互补信息, 以获取对同一场景更精确、丰富和
可靠的描述, 而这种描述比单个传感器具有更多的优
越性. 因此, 针对图像融合算法的创新是有重要意义
的.
目前, 较为常见的融合算法主要分为空间域和变
换域两类. 基于空间域的融合算法直接在图像的像素
灰度空间上进行融合, 代表性算法有线性加权融合法.
基于变换域的图像融合是先对待融合的多源图像进
行图像变换; 然后再对变换得到的系数进行组合, 得
到融合图像的变换系数; 最后再进行逆变换得到融合
图像. 目前基于变换域的图像融合研究中, 大部分是
基于多尺度分解的图像融合算法, 常见算法有金字塔
变换法、小波变换法以及近几年兴起的非下采样轮廓
波变换 (NSCT)
[2-5]
融合方法. 两类融合算法相比, 前
者计算复杂度远小于后者, 且融合思路简单, 较易实
现, 但融合效果一般; 后者的分解融合过程与人眼视
觉系统中由粗到细认识事物的过程十分类似, 通常可
以获得相对空间域融合算法更为理想的融合效果, 但
计算复杂度较大, 难以满足实时性要求. 因此, 若能将
两类融合算法的优势加以互补, 势必可以在降低计算
复杂度的同时, 大幅提高多传感器图像的融合效果.
文献 [6] 以人类视觉的生物机理和数学模型为基
础, 提出一种基于经典感受野 (RF) 模型
[7]
的图像融合
算法, 并指出其适合两幅灰度差异较大的异质传感器
图像. 本文对上述模型进行了改进, 将改进后的 RF 模
收稿日期: 2010-05-17；修回日期: 2010-08-15.
基金项目: 国家自然科学基金项目(60773209).
作者简介: 孔韦韦(1983−), 男, 博士生, 从事图像信息处理等研究；雷英杰(1956−), 男, 教授, 博士生导师, 从事智能信
息处理等研究.
资源评论
