一种新的结合 SVM 和 FNN 的多聚焦图像融合算法

• 作者: 安吉尧 徐海
• 来源期刊: 计算技术与自动化
• 关键词: 多聚焦图像融合 特征级图像融合 模糊神经网络 支持向量机
• 年，卷（期）: 2015,（1）
• 所属期刊栏目: 【图形图像技术】
• 页码范围: 81-87
• 页数: 7页
• 分类号: TP391
• 语种: 中文

摘要

针对基于分块的图像融合中分块裂痕和实际融合特征的不确定等问题，提出一种结合支持向量机(SVM)和模糊神经网络(FNN)的多聚焦图像融合新方法。首先，通过模糊 C 均值聚类(FCM)和 SVM获得 FNN 的网络参数，利用构建的模糊神经网络，将分割的图像块分成清晰区域、模糊区域和过渡区域三类；然后用模糊神经网络的反模糊化输出作为权值因子对三类区域进行加权融合，输出融合的多聚焦图像。最后，通过均方根误差、平均绝对误差和峰值信噪比等指标对多种融合算法进行融合质量评价。实验结果表明，提出的融合算法鲁棒性和计算性能较好，基本满足实际图像融合的需求，且融合质量评价也表明本文方法优于现有的融合算法。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	安吉尧	湖南大学信息科学与工程学院	16	173	7.0	13.0
2	徐海	湖南大学信息科学与工程学院	1	1	1.0	1.0