基于PCNN和BWT的图像融合算法

提出了一种新型图像融合算法.首先,对待融合的两幅图像进行双正交小波分解得到两组多尺度图像;接着,取其中任意一组作为主PCNN的输入、另一组相应的图像作为从PCNN的输入,在每次迭代时,经并行PCNN点火后,得到一系列多尺度融合图像;然后,对它们进行双正交小波重构得到每次迭代的融合结果,并计算每次迭代结果的信息熵,取信息熵值最大的融合图像作为最终结果.大量的实验以及与其他融合算法的比较分析,表明了本文算法的有效性和优越性.     

基于Curvelet和PCNN的图像融合

简要介绍了曲线波变换和脉冲耦合神经网络（pulse—coupledneural network,PCNN）的原理和特点。提出了一种曲线波分解后,低频和高频共同使用基于PCNN的融合规则算法。并对医学图像中的CT和MRI图像进行了算法融合验证,最后给出了评价融合质量的对比结果。     

基于NSCT与DWT的PCNN医学图像融合

针对医学图像融合过程中出现的细节损失严重、视觉效果不佳问题,提出了一种基于非下采样轮廓波变换(NSCT)与离散小波变换(DWT)的脉冲耦合神经网络(PCNN)医学图像融合算法.首先,利用NSCT处理医学源图像,得到相应的低频和高频子带,并利用DWT对得到的低频子带进行处理.然后,利用PCNN对低频子带进行融合,将平均梯度和改进型拉普拉斯能量和作为PCNN的输入项,将信息熵与匹配度结合实现对高频子的融合.最后,利用多尺度逆变换将低频子带和高频子带图像进行融合.实验结果表明,所提方法能够有效提升融合图像的对比度并保留源图像的细节信息,在主观和客观评价上均有优良的性能表现.     

一种基于NSCT和PCNN的图像融合算法

在NSCT变换域提出了一种基于清晰度和PCNN的图像融合算法。首先对源图像分别进行NSCT变换,得到一组高频子带,和一个低频子带。然后对低频子带用提出的边缘清晰度算法进行融合处理,对高频子带,用提出的空间频率做链接强度的自适应PCNN算法进行融合处理。最后通过NSCT逆变换得到融合结果图像。对融合图像的结果分析证明,该算法在主观评价和客观评价指标方面都有所提高。     

基于NSCT和PCNN的可见光与红外图像融合算法

提出了一种基于Contourlet变换的非下采样变换(Nonsubsampled ContourletTransform,NSCT)和脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)的可见光与红外图像融合算法。该算法首先对源图像进行NSCT分解,得到低频子带系数和各带通方向子带系数。然后对低频子带系数提出一种基于可见光与红外图像自身特性的加权平均融合方法,再对各带通子带系数提出基于PCNN的融合方法。最后经过NSCT逆变换得到融合图像。实验证明,该方法优于小波方法和传统的NSCT方法。     

基于小波变换的不同融合规则的图像融合研究

图像融合是一种重要的增强图像信息的方法。提出了一种基于多尺度分解的像素图像融合方法。利用小波变换按照不同融合规则及融合算子构造融合图像对应的小波系数。通过对可见光图像与红外图像进行融合的实验比较表明，以像素的局部能量为准则的融合效果更好，既可避免传统融合规则的信息损失，又提高了融合图像的空间分辨率和清晰度，融合图像更符合人的视觉特性，也有利于机器视觉。     

基于多尺度变换的PCNN和FOA图像融合

为解决传统的图像融合算法融合质量不高的问题, 提出一种采用果蝇优化算法(FOA) 自适应地选取脉冲耦合神经网络(PCNN)的4个参数并将其与多尺度变换相 结合的图像融合方法。首先利用4种多尺度变换对待融合图像进行分解,对得到 的低频分量采用 PCNN和FOA的融合规则进行处理,对高频分量采用绝对值最大的原则进行系数选择,最后 通过逆变换 得到融合后的图像。实验结果表明,与常用的融合规则对比,在 主观效果上,本文融合规则能够更有效地保留源图像中的细节信息,提高融合图像的质量; 在客观指标上, 本文方法的融合图像在互信息(MI)、边缘保持度QAB /F、熵(entropy)、平均结构相似度(MSSIM)以及标准差(SD )等客观评价指标上更为优越。     

基于图像特征激励的自适应PCNN红外与可见光图像融合方法

针对红外与可见光图像融合对比度不高,易丢失细节信息等问题,提出了一种非下采样Contourlet变换域内基于图像特征激励的自适应PCNN红外与可见光图像融合方法。针对PCNN参数设置复杂,自动化程度不高等问题,采用平均梯度和赋时矩阵来自适应调节PCNN链接强度和迭代次数等参数。对于NSCT多尺度多方向分解得到的高低频子带系数,分别采用特征激励的PCNN获得点火时间图,根据点火时间图的区域能量来选择融合系数。实验结果表明,该方法能够有效地融合红外和可见光图像信息,对比度高,而且能很好地保留图像的细节信息,无论在视觉效果上还是客观评价指标上,都优于常用的图像融合方法。     

基于区域方向的NSCT与PCNN图像融合算法

针对NSCT移不变形、多尺度性和多方向性等特点,结合脉冲耦合神经网络,量融合规则,高频系数则采用PCNN融合规则。最终对融合后的系数经NSCT 逆变换得到了融合图像。实验结果表明,该方法更好地保留了原图像中的有用信息,并提高了融合图像质量。     

基于自适应融合规则的多分辨率图像融合算法

针对可见光与红外图像融合,设计了一种基于边缘检测的自适应融合规则.其思路是对小波变换分解后的高频子图像进行边缘检测,对边缘点的融合采用绝对值取大并一致性检验的方法,而对非边缘点的融合采用基于区域方差的融合规则;对低频子图像的融合采用任一原始图像的低频成分.和其他7种融合规则从不同角度进行了对比实验,结果表明该融合规则即保留了可见光图像的边缘信息,又融合了红外图像的高灰度值信息,而且目标和背景的对 比度变得更好.     

基于非采样Contourlet变换的红外与可见光图像融合方法

针对同一场景的红外与可见光图像融合,提出了一种基于非采样Contourlet变换（NSCT）和改进的脉冲耦合神经网络（IPCNN）的图像融合新算法。首先利用NSCT对图像进行多尺度、多方向稀疏分解,然后针对各带通方向高频子带系数的选择,提出了一种应用IPCNN计算图像匹配度的融合策略。实验结果表明,该算法能够很好地将红外图像与可见光图像中的重要信息提取并注入到融合图像中,与其他方法相比较,取得了更好的融合效果,提高了融合图像的质量。     

基于小波-Contourlet变换的偏振图像融合算法

针对传统图像的信息保留不充分,以及偏振图像妨碍视觉观察、纹理细节不理想等问题,提出了一种基于小波-Contourlet变换(WBCT)的偏振图像融合算法.首先,将预处理过的4幅偏振角度图像,通过Stokes方法得到偏振强度图像和偏振度图像;后采用WBCT变换分解,低频系数采用PCA变换方法进行融合,高频系数通过区域特性能量的融合规则进行融合,最终的偏振融合图像由WBCT逆变换高低系数获得.实验结果表明,在主观视觉上,图像观察舒适性较好;并且,通过选取方法的对比,融合后的图像在客观评价指标上,皆优于选取的方法.     

一种新的基于提升多小波变换的图像融合方法

多小波是一种新的小波,它在理论上所表现出来的优势以及它在应用领域所具有的潜力,使其受到高度重视。在短短的几年时间内,它在图像处理方面的应用已取得了一定的成效。提升方法不仅是现存小波变换的一种快速算法,而且是构造新的小波变换的一种工具。本文根据提升方法和多小波变换的特点,对多小波实现了提升变换,并把这种基于提升方法的多小波变换应用于图像融合,结果表明有更好的效果。     

基于提升小波变换的红外图像融合算法研究

介绍了提升小波变换,提出了基于提升小波变换的图像融合方法,算法针对提升小波变换后的低频分量和高频分量的不同特点,选用了不同的融合准则进行融合,然后通过提升小波逆变换得到融合图像。通过分析可见光与红外图像的融合结果并与其他融合方法进行比较,实验结果表明,该算法使得融合后图像内容清晰,具有增强图像的空间细节能力,取得了较好的融合效果。     

基于静态多小波变换的图像融合

综合了多小波分析和平移不变性质的优势,将多小波分析扩展到静态多小波的范畴,提出了一种基于静态多小波变换(SMWT)的图像融合方法。通过对源图像进行SMWT,根据变换系数的尺度内多子带联合窗口(CBWI)特性,实现多源图像的融合。该方法应用于一类多聚焦图像融合的仿真实验中,从视觉效果和信息量指标(互信息量和交叉熵)2个方面对融合图像进行主观评判和量化评价。结果表明,相比于传统小波域内的图像融合算法,该方法得到的融合结果具有更良好的视觉质量和更优的量化指标,体现出更强的融合性能。     

基于卷积神经网络的红外与可见光图像融合

非下采样剪切波变换(NSST)域中低频子带的融合需要人工给定融合模式,因此未能充分捕获源图像的空间连续性和轮廓细节信息.针对上述问题,提出了基于深度卷积神经网络的红外与可见光图像融合算法.首先,使用孪生双通道卷积神经网络学习NSST域低频子带的特征来输出衡量子带空间细节信息的特征图.然后,根据高斯滤波处理的特征图设计了基于局部相似性的测量函数来自适应地调整NSST域低频子带的融合模式.最后,根据NSST域高频子带的方差、局部区域能量以及可见度特征来自适应地设置脉冲耦合神经网络参数完成NSST域高频子带的融合.实验结果表明:该算法QAB/F指标略弱于对比算法,但SF、SP、SSIM以及VIFF指标分别提高了约50.42％、14.25％、7.91％以及61.67％,有效地解决了低频子带融合模式给定的问题,同时又克服了手动设置PCNN参数的缺陷.     

基于自适应PCNN的紫外图像融合算法

电晕放电产生的紫外线波长为200~400 nm,为避开太阳光和日光灯的干扰,利用240~280 nm这一日盲波段获取紫外放电图。为能够确定电晕放电的位置,提出了一种适用于可见光图像和紫外图像融合的新算法。以图像空间频率和信息熵作为PCNN对应神经元的链接强度值,并与加权平均法、拉普拉斯金字塔变换方法和小波方法等融合算法相比较。实验结果表明,文中方法优于其它方法,融合效果良好。