计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2015年
2期
490-494
,共5页
欧阳宁%邹宁%张彤%陈利霞
歐暘寧%鄒寧%張彤%陳利霞
구양저%추저%장동%진리하
图像融合%多聚焦图像%非下采样剪切波变换%聚焦区域检测%形态学开闭运算
圖像融閤%多聚焦圖像%非下採樣剪切波變換%聚焦區域檢測%形態學開閉運算
도상융합%다취초도상%비하채양전절파변환%취초구역검측%형태학개폐운산
image fusion%multifocus image%NonSubsampled Shearlet Transform(NSST)%focused region detection%morphological opening and closing
为了提高基于多尺度变换的多聚焦图像融合中聚焦区域的准确性,提出了一种基于非下采样Shearlet变换(NSST)与聚焦区域检测的多聚焦图像融合算法.首先,通过基于非下采样Shearlet变换的融合方法得到初始融合图像;其次,将初始融合图像与源多聚焦图像作比较,得到初始聚焦区域;接着,利用形态学开闭运算对初始聚焦区域进行修正;最后,在修正的聚焦区域上通过改进的脉冲耦合神经网络(IPCNN)获得融合图像.与经典的基于小波变换、Shearlet变换的融合方法以及当前流行的基于NSST和脉冲耦合神经网络(PCNN)的融合方法相比,所提算法在客观评价指标互信息(MI)、空间频率和转移的边缘信息上均有明显的提高.实验结果表明,所提出的算法能更准确地识别出源图像中的聚焦区域,能从源图像中提取出更多的清晰信息到融合图像.
為瞭提高基于多呎度變換的多聚焦圖像融閤中聚焦區域的準確性,提齣瞭一種基于非下採樣Shearlet變換(NSST)與聚焦區域檢測的多聚焦圖像融閤算法.首先,通過基于非下採樣Shearlet變換的融閤方法得到初始融閤圖像;其次,將初始融閤圖像與源多聚焦圖像作比較,得到初始聚焦區域;接著,利用形態學開閉運算對初始聚焦區域進行脩正;最後,在脩正的聚焦區域上通過改進的脈遲耦閤神經網絡(IPCNN)穫得融閤圖像.與經典的基于小波變換、Shearlet變換的融閤方法以及噹前流行的基于NSST和脈遲耦閤神經網絡(PCNN)的融閤方法相比,所提算法在客觀評價指標互信息(MI)、空間頻率和轉移的邊緣信息上均有明顯的提高.實驗結果錶明,所提齣的算法能更準確地識彆齣源圖像中的聚焦區域,能從源圖像中提取齣更多的清晰信息到融閤圖像.
위료제고기우다척도변환적다취초도상융합중취초구역적준학성,제출료일충기우비하채양Shearlet변환(NSST)여취초구역검측적다취초도상융합산법.수선,통과기우비하채양Shearlet변환적융합방법득도초시융합도상;기차,장초시융합도상여원다취초도상작비교,득도초시취초구역;접착,이용형태학개폐운산대초시취초구역진행수정;최후,재수정적취초구역상통과개진적맥충우합신경망락(IPCNN)획득융합도상.여경전적기우소파변환、Shearlet변환적융합방법이급당전류행적기우NSST화맥충우합신경망락(PCNN)적융합방법상비,소제산법재객관평개지표호신식(MI)、공간빈솔화전이적변연신식상균유명현적제고.실험결과표명,소제출적산법능경준학지식별출원도상중적취초구역,능종원도상중제취출경다적청석신식도융합도상.
