CAJ | 학술논문

根据红外与可见光图像的成像特点,提出一种基于Curvelet变换与自适应PCNN( Pulse Coupled Neural Networks)的图像融合新算法.首先对两幅原始图像进行快速离散Curvelet变换,得到不同尺度与方向下的子带系数；对低频系数采取加权平均融合规则,将高频系数作为PCNN的输入,选取区域能量测度为PCNN的连接强度,利用PCNN的全局耦合特性和脉冲同步特性选择高频系数；最后经Curvelet逆变换得到融合结果.实验结果表明,该方法得到的融合图像在边缘等细节上比传统方法具有更好的视觉效果,在熵、平均梯度、标准差等客观指标上都优于其它方法.
근거홍외여가견광도상적성상특점,제출일충기우Curvelet변환여자괄응PCNN( Pulse Coupled Neural Networks)적도상융합신산법.수선대량폭원시도상진행쾌속리산Curvelet변환,득도불동척도여방향하적자대계수；대저빈계수채취가권평균융합규칙,장고빈계수작위PCNN적수입,선취구역능량측도위PCNN적련접강도,이용PCNN적전국우합특성화맥충동보특성선택고빈계수；최후경Curvelet역변환득도융합결과.실험결과표명,해방법득도적융합도상재변연등세절상비전통방법구유경호적시각효과,재적、평균제도、표준차등객관지표상도우우기타방법.