CAJ | 학술논문

针对高光谱图像波段众多、数据量大的特点,提出了一种基于脉冲耦合神经网络(Pulse Coupled Neural Networks, PCNN)模型的高光谱多波段图像融合方法.根据高光谱图像多输入的特点对原始PCNN模型进行了扩充,采用多通道PCNN模型来对输入图像进行非线性融合处理.通过分析传统变阈值衰减模型的特点及其不足,提出了修正的变阈值指数增加模型,以改善融合效果和降低PCNN运行的时间复杂度.利用记录点火时刻的赋时矩阵得到带有一定增强效果的融合结果图像.实验结果表明,该方法的融合效果要优于传统的主成分分析融合方法和小波变换融合方法.
침대고광보도상파단음다、수거량대적특점,제출료일충기우맥충우합신경망락(Pulse Coupled Neural Networks, PCNN)모형적고광보다파단도상융합방법.근거고광보도상다수입적특점대원시PCNN모형진행료확충,채용다통도PCNN모형래대수입도상진행비선성융합처리.통과분석전통변역치쇠감모형적특점급기불족,제출료수정적변역치지수증가모형,이개선융합효과화강저PCNN운행적시간복잡도.이용기록점화시각적부시구진득도대유일정증강효과적융합결과도상.실험결과표명,해방법적융합효과요우우전통적주성분분석융합방법화소파변환융합방법.