基于自适应PCNN模型的四元数小波域图像融合算法

针对红外和可见光图像的自身特点,本文提出一种基于四元数小波变换(QWT)和自适应脉冲耦合神经网络(PCNN)模型相结合的红外图像与可见光图像融合的新算法。首先将红外图像与可见光图像分别进行四元数小波变换,分别得到低频子带和高频子带系数;其次,采用局部区域方差匹配的融合准则处理低频子带系数,并用自适应的PCNN模型处理高频子带系数,用一种改进的空间频率作为PCNN模型的刺激输入,且采用拉普拉斯算子调节PCNN模型的阈值;最后经过四元数小波逆变换实现图像的融合。将本文提出的新算法与经典的图像融合算法进行对比分析,实验结果说明,新方法取得了较好地视觉改进效果,并在客观标准上也达到一定的提高。

基于四元数小波变换和2APCNN的NSST域图像融合

针对传统基于非下采样剪切波变换(NSST)的图像融合算法中存在的不足,提出一种基于四元数小波变换(QWT)和脉冲耦合神经网络(PCNN)相结合的NSST域图像融合算法.这种算法结合了两种变换域算法的优势,在图像细节和纹理信息的保留方面取得了很大的改进.从多组实验的对比分析发现,该算法能够在红外与可见光图像融合上达到较好的视觉效果.