基于细胞神经网络多特征相似性的图像融合方法

为了克服单一特征不能准确的解释图像的问题,提出了基于细胞神经网络(cellular neural network,CNN)多特征相似性的图像融合方法。对源图像进行非下采样剪切波变换(non-subsampled shearlet transform,NSST),然后提取系数的区域能量、区域方差和上下文隐马尔可夫模型(contextual hidden markov model,CHMM)的统计特征,将它们输入CNN中得到二值化的多特征综合相似性,利用多特征综合相似性对图像的信息冗余和互补区域进行分割,对不同的区域采用不同的融合策略,提高融合图像的清晰度。实验结果表明,算法具有优越的融合性能。