改进PCNN与平均能量对比度的图像融合算法.docx
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
本文探讨了改进的脉冲耦合人工神经网络(PCNN)与平均能量对比度的图像融合算法在红外和可见光图像处理中的应用。图像融合是多模态图像处理的重要技术,旨在结合不同传感器采集的图像信息,以提高图像的特征清晰度、目标突出性和细节丰富度,特别适用于军事侦察、目标检测和识别等领域。 传统的图像融合技术通常包括图像分解和融合算法两个步骤。在这一领域,变换域的多尺度分解方法受到广泛关注,如离散小波变换(DWT)、非下抽样Contourlet变换(NSCT)、非下采样剪切波变换(NSST)以及有限离散剪切波变换(FDST)。FDST通过二维快速傅里叶变换和非下采样金字塔的组合,将图像分解为低频和高频子带,有助于保留更多图像细节。 针对FDST的图像融合策略,现有的方法有其局限性。例如,有的方法在低频子带融合中使用图像显著性检测,但对细节呈现不足;另一些方法则采用了梯度投影的非负矩阵分解和自适应加权,但融合效果仍不尽人意。 文章提出了一种新的融合策略,首先利用FDST对红外和可见光图像进行分解,以最大化地保持图像细节。接着,在低频子带融合阶段,引入了改进的PCNN方法。PCNN是一种模拟生物视觉系统脉冲传递特性的神经网络模型,能有效地处理并融合图像信息。此外,文章还结合了区域平均能量对比度的融合方法,进一步提升了低频子带的融合效果。这种方法不仅在主观视觉上提高了融合图像的质量,而且在运算速度上有所提升。 有限离散剪切波变换(FDST)的数学表述涉及到缩放尺度矩阵Aa和剪切矩阵Ss,以及连续剪切波函数的定义。通过二维傅里叶变换,可以得到连续剪切波变换的Parseval等式,用于描述变换的性质。此外,文章中还定义了小波函数和冲击函数,以实现图像的精确分解。 本文提出的改进PCNN与平均能量对比度的融合算法,通过优化低频子带的处理方式,增强了图像的细节表现和对比度,对于多模态图像处理有着积极的贡献。这种创新方法有望在实际应用中提升红外和可见光图像融合的性能,为相关领域的研究提供新的思路和技术支持。
剩余14页未读,继续阅读
- 粉丝: 4380
- 资源: 1万+
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助