基于改进的稀疏表示和PCNN的图像融合算法研究

• 作者: 吴锡生 王建
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 图像处理 图像融合 非下采样剪切波变换 稀疏表示 自适应学习字典 联合字典 脉冲耦合神经网络 改进的空间频率
• 年，卷（期）: 2019,（5）
• 页码范围: 922-928
• 页数: 7页
• 分类号: TP391.2
• 字数: 4249字
• 语种: 中文
• DOI: 10.11992/tis.201805045

摘要

为提高图像融合的清晰度,本文提出一种基于改进的稀疏表示和脉冲耦合神经网络(pulse coupled neur-al network,PCNN)的图像融合.利用非下采样剪切波变换(non-subsampled shearlet transform,NSST)对源图像进行分解变换,得到相应的低频子带和高频子带具有不同的信息.对于低频子带,采用改进的稀疏表示进行融合,利用K奇异值分解(K-singular value decomposition,K-SVD)算法,并对源图像进行自适应学习的多个子字典构造成联合词典.对于高频子带,则改进PCNN融合系数的选择方法,利用改进的空间频率作为神经元反馈输入来激励PCNN模型,并根据点火输出的总幅度最大的融合规则选择高频系数.最后,将融合后的低频子带和高频子带系数进行NSST逆变换,重构出融合图像.实验结果表明:该算法很好地保留了图像的边缘信息,并且得到的图像在相关的客观评价标准上也取得了良好的效果,表明了本算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴锡生	江南大学物联网工程学院	81	560	14.0	18.0
2	王建	江南大学物联网工程学院	18	118	5.0	10.0