DT-CWT优化边缘特征和自适应PCNN的图像融合

• 作者: 沈小林 高少忠
• 来源期刊: 电子测量与仪器学报
• 学科: 工学
• 关键词: 图像融合 双树-复小波 边缘特征 自适应脉冲耦合神经网络 方向信息
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 学术论文
• 页码范围: 114-120
• 页数: 7页
• 分类号: TP391|TN0
• 语种: 中文
• DOI: 10.13382/j.jemi.B1902213

摘要

针对传统小波变换在图像融合中易丢失细节、忽略边缘特征且清晰度不高的现状,提出双树-复小波变换(DT-CWT)优化边缘特征和自适应脉冲耦合神经网络(PCNN)的图像融合算法.首先将原图经双树复小波处理,并对低频分量和高频分量进行分析.然后低频分量选用边缘特征和清晰度选择融合算法,保留较多细节信息,高频分量以方向信息自适应调整PCNN连接强度,把改进的拉普拉斯能量和作为自适应PCNN网络的输入,将点火输出幅度的总值设为高频分量的系数.最终进行双数复小波逆变换处理.实验结果表明,较已有图像融合算法,该算法融合得到的图像在主客观评价方面都有提高,互信息量(MI)提高了0.1274～2.4504,边缘保持度(QAB/F)提高了0.069～0.256.该算法突出了融合图像的目标信息,极大地保留图像边缘、纹理等有用信息,使图像更清晰.