光电工程
光電工程
광전공정
OPTO-ELECTRONIC ENGINEERING
2010年
12期
67-74
,共8页
图像融合%提升静态小波%脉冲耦合神经网络%拉普拉斯能量和
圖像融閤%提升靜態小波%脈遲耦閤神經網絡%拉普拉斯能量和
도상융합%제승정태소파%맥충우합신경망락%랍보랍사능량화
提出了一种新的基于提升静态小波变换与自适应PCNN相结合的图像融合算法.该方法定义一种图像单个像素的清晰度作为PCNN的链接强度,使得PCNN能根据像素清晰度的变化来自适应地调整链接强度的大小,接着对图像经提升静态小波分解得到的低频子带系数的改进拉普拉斯能量和及高频子带系数的单个像素的灰度值,分别作为自适应PCNN神经元的外部输入,并根据点火次数来确定图像融合系数.最后由提升静态小波变换的逆变换得到融合图像.实验表明,该方法在视觉效果和客观评价指标上都优于传统的基于小波变换、提升静态小波变换、提升静态小波-PCNN的图像融合算法.
提齣瞭一種新的基于提升靜態小波變換與自適應PCNN相結閤的圖像融閤算法.該方法定義一種圖像單箇像素的清晰度作為PCNN的鏈接彊度,使得PCNN能根據像素清晰度的變化來自適應地調整鏈接彊度的大小,接著對圖像經提升靜態小波分解得到的低頻子帶繫數的改進拉普拉斯能量和及高頻子帶繫數的單箇像素的灰度值,分彆作為自適應PCNN神經元的外部輸入,併根據點火次數來確定圖像融閤繫數.最後由提升靜態小波變換的逆變換得到融閤圖像.實驗錶明,該方法在視覺效果和客觀評價指標上都優于傳統的基于小波變換、提升靜態小波變換、提升靜態小波-PCNN的圖像融閤算法.
제출료일충신적기우제승정태소파변환여자괄응PCNN상결합적도상융합산법.해방법정의일충도상단개상소적청석도작위PCNN적련접강도,사득PCNN능근거상소청석도적변화래자괄응지조정련접강도적대소,접착대도상경제승정태소파분해득도적저빈자대계수적개진랍보랍사능량화급고빈자대계수적단개상소적회도치,분별작위자괄응PCNN신경원적외부수입,병근거점화차수래학정도상융합계수.최후유제승정태소파변환적역변환득도융합도상.실험표명,해방법재시각효과화객관평개지표상도우우전통적기우소파변환、제승정태소파변환、제승정태소파-PCNN적도상융합산법.
