基于显著计算与自适应 PCNN 的图像融合方法

• 作者: 张基宏 杨秀林 邓苗 黄硕
• 来源期刊: 山东大学学报（工学版）
• 学科: 工学
• 关键词: 图像融合 形态非抽样小波 显著计算 自适应 PCNN 多尺度
• 年，卷（期）: 2014,（2）
• 所属期刊栏目: 机器学习与数据挖掘
• 页码范围: 35-42
• 页数: 8页
• 分类号: TP391
• 字数: 4306字
• 语种: 中文
• DOI: 10.6040/j.issn.1672-3961.2.2013.255

摘要

针对多尺度变换的图像融合对低频系数进行简单的加权平均处理时，不能很好地保护源图像中的显著信息的问题，提出一种将视觉显著计算的结果作为自适应脉冲耦合神经网络的链接强度，通过脉冲耦合神经网络指导多尺度图像融合中低频系数融合的方法。首先对源图像进行形态非抽样小波分解，得到低频系数和各尺度的高频系数，对低频系数采用显著计算与脉冲耦合神经网络的融合规则，高频系数选取绝对值较大者，最后通过反变换得到融合图像。实验结果表明，该方法在一定程度上保留了源图像中的显著信息，改善了互信息、信息熵、平均梯度和边缘保持度等融合指标。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张基宏	深圳大学信息工程学院	63	904	16.0	29.0
3	黄硕	信阳职业技术学院数学与计算机科学学院	16	30	3.0	5.0
4	邓苗	深圳大学信息工程学院	6	21	2.0	4.0
5	杨秀林	深圳大学信息工程学院	1	1	1.0	1.0