Shearlet与改进PCNN相结合的图像融合

• 作者: 尚琳 廖勇 李鹏 黄文龙
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: Shearlet变换 脉冲耦合神经网络(PCNN) 图像融合
• 年，卷（期）: 2014,（2）
• 所属期刊栏目: 图形图像处理
• 页码范围: 142-146
• 页数: 5页
• 分类号: TP391
• 字数: 4666字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1207-0258

摘要

为提高多聚焦和医学图像融合的性能，提出了一种基于Shearlet变换的新型图像融合算法。与小波变换类似，Shearlet具有简单的数学结构，这使其可以很方便地和多分辨分析关联起来。在对一幅图像作Shearlet变换时，可以将其在任意尺度和方向上进行解构，因而Shearlet比传统小波可以捕获更多的方向和其他几何信息。所以对于图像融合来说，Shearlet是一种很好选择。对于Shearlet子带系数的选择，采用了一种改进的PCNN的点火幅度来得到融合策略，而不是传统PCNN方法中的点火次数，点火幅度通过一个Sigmoid函数来得到。并且采用改进拉普拉斯能量和（SML）这一有效的聚焦度量作为PCNN的输入，以提高其性能。实验结果表明，该方法在视觉效果和客观评价指标上都要优于小波和非下采样Contourlet（NSCT）方法。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄文龙	空军工程大学防空反导学院	11	59	4.0	7.0
2	李鹏	空军工程大学防空反导学院	13	71	5.0	8.0
3	廖勇	北京航空航天大学仪器科学与光电工程学院	1	32	1.0	1.0
7	尚琳		4	37	2.0	4.0