电子质量
電子質量
전자질량
ELECTRONICS QUALITY
2013年
11期
48-50,53
,共4页
脉冲耦合神经网络%自适应%拉普拉斯能量%链接强度%点火映射图
脈遲耦閤神經網絡%自適應%拉普拉斯能量%鏈接彊度%點火映射圖
맥충우합신경망락%자괄응%랍보랍사능량%련접강도%점화영사도
脉冲耦合神经网络(PNNN)型参数多,计算复杂,并且通常选取经验常数作为链接强度,这极大地限制了PCNN的普遍适用性.针对该问题,在分析PCNN模型基本特征的基础上,结合多聚焦图像的基本特点提出了一种基于PCNN的自适应多聚焦图像融合新方法.该方法在PCNN简化模型的基础上既将拉普拉斯能量作为PCNN对应神经元的链接强度β,又将其作为PCNN对应神经元的反馈输入经过PCNN点火从而获得每幅参与融合图像的点火映射图,最后通过选取适当的融合规则获得融合图像.实验结果表明了该方法的有效性,这种有效性不仅体现在视觉效果上,而且体现在客观评价标准上.
脈遲耦閤神經網絡(PNNN)型參數多,計算複雜,併且通常選取經驗常數作為鏈接彊度,這極大地限製瞭PCNN的普遍適用性.針對該問題,在分析PCNN模型基本特徵的基礎上,結閤多聚焦圖像的基本特點提齣瞭一種基于PCNN的自適應多聚焦圖像融閤新方法.該方法在PCNN簡化模型的基礎上既將拉普拉斯能量作為PCNN對應神經元的鏈接彊度β,又將其作為PCNN對應神經元的反饋輸入經過PCNN點火從而穫得每幅參與融閤圖像的點火映射圖,最後通過選取適噹的融閤規則穫得融閤圖像.實驗結果錶明瞭該方法的有效性,這種有效性不僅體現在視覺效果上,而且體現在客觀評價標準上.
맥충우합신경망락(PNNN)형삼수다,계산복잡,병차통상선취경험상수작위련접강도,저겁대지한제료PCNN적보편괄용성.침대해문제,재분석PCNN모형기본특정적기출상,결합다취초도상적기본특점제출료일충기우PCNN적자괄응다취초도상융합신방법.해방법재PCNN간화모형적기출상기장랍보랍사능량작위PCNN대응신경원적련접강도β,우장기작위PCNN대응신경원적반궤수입경과PCNN점화종이획득매폭삼여융합도상적점화영사도,최후통과선취괄당적융합규칙획득융합도상.실험결과표명료해방법적유효성,저충유효성불부체현재시각효과상,이차체현재객관평개표준상.
