计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2013年
12期
132-135,159
,共5页
多聚焦图像融合%形态小波%脉冲耦合神经网络%改进拉普拉斯能量和%清晰度
多聚焦圖像融閤%形態小波%脈遲耦閤神經網絡%改進拉普拉斯能量和%清晰度
다취초도상융합%형태소파%맥충우합신경망락%개진랍보랍사능량화%청석도
为了解决传统形态小波图像融合方法在重构尺度信号时发生了位置错误和重构细节信号时发生了灰度值下溢的不足,提出一种有效的基于自适应脉冲耦合神经网络(PCNN)的形态小波多聚焦图像融合方法.通过形态小波对已配准的源图像进行分解;提出一种自适应的PCNN,用分解系数的改进拉普拉斯能量和(SML)作为PCNN对应神经元的反馈输入,用图像的清晰度作为对应神经元的连接强度,经过PCNN点火获得参与融合系数的点火映射图,通过判决选择算子指导系数的融合;经过形态小波逆变换得到融合图像.实验结果表明,该算法的融合图像具有良好的视觉效果及较高客观评价指标.
為瞭解決傳統形態小波圖像融閤方法在重構呎度信號時髮生瞭位置錯誤和重構細節信號時髮生瞭灰度值下溢的不足,提齣一種有效的基于自適應脈遲耦閤神經網絡(PCNN)的形態小波多聚焦圖像融閤方法.通過形態小波對已配準的源圖像進行分解;提齣一種自適應的PCNN,用分解繫數的改進拉普拉斯能量和(SML)作為PCNN對應神經元的反饋輸入,用圖像的清晰度作為對應神經元的連接彊度,經過PCNN點火穫得參與融閤繫數的點火映射圖,通過判決選擇算子指導繫數的融閤;經過形態小波逆變換得到融閤圖像.實驗結果錶明,該算法的融閤圖像具有良好的視覺效果及較高客觀評價指標.
위료해결전통형태소파도상융합방법재중구척도신호시발생료위치착오화중구세절신호시발생료회도치하일적불족,제출일충유효적기우자괄응맥충우합신경망락(PCNN)적형태소파다취초도상융합방법.통과형태소파대이배준적원도상진행분해;제출일충자괄응적PCNN,용분해계수적개진랍보랍사능량화(SML)작위PCNN대응신경원적반궤수입,용도상적청석도작위대응신경원적련접강도,경과PCNN점화획득삼여융합계수적점화영사도,통과판결선택산자지도계수적융합;경과형태소파역변환득도융합도상.실험결과표명,해산법적융합도상구유량호적시각효과급교고객관평개지표.