Curvelet域自适应脉冲耦合神经网络的图像融合方法

发布时间：2017-11-11 13:10

  本文关键词：Curvelet域自适应脉冲耦合神经网络的图像融合方法

  更多相关文章： 图像融合 Curvelet 脉冲耦合神经网络(PCNN) 支撑值(SPV) 自适应

【摘要】：为解决传统图像融合准则不能充分利用图像全局特征的问题,将脉冲耦合神经网络(PCNN)模型用于Curvelet变换的图像融合中,提出了由表征子带图像局部特征的支撑值(SPV)作为刺激PCNN模型的外部激励输入,同时考虑Curvelet变换后低频子带信息与高频子带信息间的相关性,设定PCNN模型参数(连接强度和连接范围)随低频子带图像的特征自适应地变化,并且利用PCNN模型中各神经元的首次点火时间构造融合准则中的显著性度量。用PCNN模型模拟人眼视觉神经系统的生物特性,并利用其全局耦合特性对源图像进行智能地分析判断和融合处理,从而提高融合图像的整体效果。实验结果表明,由于PCNN具有全局耦合特性和脉冲同步特性,因此当它用来参与选取细节系数时,能够更好地利用子带图像的全局信息。
【作者单位】： 海军航空工程学院武器系统与运用工程系;空军航空大学作战指挥系;空军航空大学基础训练基地;
【基金】：军队重点科研(KJ2011215)资助项目
【分类号】：TP391.41;TP183
【正文快照】： 130022;3.空军航空大学基础训练基地,吉林长春130022)囿E-mail:695254150@qq.com1引言常见的基于多尺度分解的图像融合方法虽然都能够对图像进行变换处理,但是它们的共同缺点是对图像中具有各向异性的奇异特征表示欠佳[1]。鉴于这一局限性,为实现二维或更高维信号的最优表示,

【相似文献】

中国期刊全文数据库 前10条

1 杨海英,刘志镜;一种新的图像融合算法的研究与实现[J];计算机工程与应用;2002年22期

2 刘贵喜,杨万海;基于小波分解的图像融合方法及性能评价[J];自动化学报;2002年06期

3 王蓉,谢元旦;基于小波的图像融合算法的实现[J];鞍山科技大学学报;2003年05期

4 吉书鹏,丁晓青;一种子带杂交多算子图像融合算法研究[J];光电工程;2003年06期

5 赵谊虹,余松煜,史习智;联合多判据的图像融合算法[J];上海交通大学学报;2003年09期

6 张军英,梁军利;基于脉冲耦合神经网络的图像融合[J];计算机仿真;2004年04期

7 玉振明,高飞;基于金字塔方法的图像融合原理及性能评价[J];计算机应用研究;2004年10期

8 倪国强;基于视觉神经动力学的图像融合与处理技术若干新进展[J];激光与红外;2005年11期

9 裴红周;陈炜;毛士艺;;图像融合质量测试方法[J];电子测量技术;2005年04期

10 王宏,杨春梅,袁正华,赵海滨;基于小波多尺度分解的肿瘤图像融合[J];东北大学学报;2005年04期

中国重要会议论文全文数据库 前10条

1 刘德坤;龚俊斌;马佳义;田金文;;一种车载的红外与微光图像融合系统设计[A];第九届全国光电技术学术交流会论文集（上册）[C];2010年

2 王芳;吴谨;;基于小波的图像融合算法研究[A];2011年全国通信安全学术会议论文集[C];2011年

3 杨志;毛士艺;陈炜;;基于多分辨率局部峰度熵的鲁棒图像融合算法[A];中国航空学会信号与信息处理专业全国第八届学术会议论文集[C];2004年

4 王曾敏;杨兆选;丁学文;何英华;陈杨;于渊;;图像融合与压缩算法在动态交通信息服务系统中的应用[A];第一届建立和谐人机环境联合学术会议（HHME2005）论文集[C];2005年

5 汤志伟;王建国;赵志钦;黄顺吉;;基于小波变换的图像融合算法[A];第九届全国信号处理学术年会（CCSP-99）论文集[C];1999年

6 陆琳;张淳民;;图像融合算法研究[A];2013年（第五届）西部光子学学术会议论文集[C];2013年

7 王荣福;;PET/CT新技术应用[A];全国射线数字成像与CT新技术研讨会论文集[C];2009年

8 刘勇;刘隆国;杨玲恒;;面向对象的卫星多层多分区图像融合在GIS领域的应用探讨[A];第二届中国卫星导航学术年会电子文集[C];2011年

9 王立琦;雷洁;;基于图像融合的目标识别研究[A];'2010系统仿真技术及其应用学术会议论文集[C];2010年

10 王强军;王润生;;城市航空摄影图像融合分割方法[A];中国图象图形科学技术新进展——第九届全国图象图形科技大会论文集[C];1998年

，

本文编号：1171516