基于双层并行PCNN和粗集理论的图像融合

为了能更好地进行多传感器图像融合,提出了一种基于双层并行PCNN和粗集理论的图像融合方法。该方法首先对两幅图像去噪,将一幅图像作为主PCNN网络的输入,另一幅图像作为从PCNN网络的输入,计算每幅图像的清晰度,分别将每幅图像的清晰度矩阵送入主从PCNN网络处理,然后根据粗集理论对原始图像分类,最后生成融合图像。该方法不仅能保留原图像信息,而且得到的融合图像清晰度高、对比度大。仿真实验结果以及与其他融合算法的比较,表明该算法的有效性和优越性。

新的颜色相似度衡量方法在图像检索中的应用

相似度衡量与特征提取在图像检索中具有重要的作用。基于自适应颜色特征提取的技术,提出一种新的颜色相似度衡量方法,称作加权主色优先距离WMCF。它由3个视觉感知特性条件导出,据此改善图像检索效果。同时,也采用简化的脉冲耦合神经网络提取新的纹理特征,进一步提高图像检索的精确度。实验表明,新的相似度衡量方法相较于CHIC及OCCD衡量方法有着更高的精确度和较小的时间复杂度;同时结合颜色特征与纹理特征的最终检索方法相较FC、BDIP Nmi等方法在精确度上有10%左右的提高,且具有更好的相关图像排序结果。