激光与红外
激光與紅外
격광여홍외
LASER & INFRARED
2012年
2期
213-216
,共4页
王朝晖%王佳琪%赵德功%付伟
王朝暉%王佳琪%趙德功%付偉
왕조휘%왕가기%조덕공%부위
图像融合%离散剪切波%脉冲耦合神经网络%链接强度
圖像融閤%離散剪切波%脈遲耦閤神經網絡%鏈接彊度
도상융합%리산전절파%맥충우합신경망락%련접강도
提出了一种基于离散剪切波( shearlet)和改进的脉冲耦合神经网络(PCNN)进行图像融合的方法.首先,采用shearlet变换将已配准的两个源图像进行分解,得到低频子带系数和不同尺度不同方向的高频子带系数,低频部分采用简单的加权平均法；高频部分,提出基于改进的拉普拉斯能量作为PCNN链接强度的算法.最后,进行shearlet反变换得到融合图像.仿真结果表明,本文的算法有更好的融合效果,并且所用时间也比非采样轮廓波(NSCT)少.
提齣瞭一種基于離散剪切波( shearlet)和改進的脈遲耦閤神經網絡(PCNN)進行圖像融閤的方法.首先,採用shearlet變換將已配準的兩箇源圖像進行分解,得到低頻子帶繫數和不同呎度不同方嚮的高頻子帶繫數,低頻部分採用簡單的加權平均法；高頻部分,提齣基于改進的拉普拉斯能量作為PCNN鏈接彊度的算法.最後,進行shearlet反變換得到融閤圖像.倣真結果錶明,本文的算法有更好的融閤效果,併且所用時間也比非採樣輪廓波(NSCT)少.
제출료일충기우리산전절파( shearlet)화개진적맥충우합신경망락(PCNN)진행도상융합적방법.수선,채용shearlet변환장이배준적량개원도상진행분해,득도저빈자대계수화불동척도불동방향적고빈자대계수,저빈부분채용간단적가권평균법；고빈부분,제출기우개진적랍보랍사능량작위PCNN련접강도적산법.최후,진행shearlet반변환득도융합도상.방진결과표명,본문적산법유경호적융합효과,병차소용시간야비비채양륜곽파(NSCT)소.
