基于Curvelet变换与自适应PCNN的红外与可见光图像融合

根据红外与可见光图像的成像特点,提出一种基于Curvelet变换与自适应PCNN(Pulse Cou-pled Neural Networks)的图像融合新算法。首先对两幅原始图像进行快速离散Curvelet变换,得到不同尺度与方向下的子带系数;对低频系数采取加权平均融合规则,将高频系数作为PCNN的输入,选取区域能量测度为PCNN的连接强度,利用PCNN的全局耦合特性和脉冲同步特性选择高频系数;最后经Curvelet逆变换得到融合结果。实验结果表明,该方法得到的融合图像在边缘等细节上比传统方法具有更好的视觉效果,在熵、平均梯度、标准差等客观指标上都优于其它方法。

基于NSST与自适应PCNN相结合的卫星云图融合

为了综合利用红外和可见光云图的天气信息,本文提出一种基于非下采样shearlet(NSST)与自适应脉冲耦合神经网络(PCNN)相结合的红外和可见光卫星云图融合方法。首先利用NSST对红外和可见光卫星云图进行多尺度、多方向分解,然后对分解得到的低频子带系数采用基于局部区域方差和局部区域能量的自适应加权方法进行融合,高频子带系数采用改进的自适应PCNN进行融合,其中脉冲耦合神经网络的连接强度依据高频系数区域特征的不同重要性,通过一个S型模糊隶属度函数自适应确定。最后对融合完成的低频和高频分量进行NSST逆变换得到最终的融合云图。实验结果表明,基于本文提出方法的融合图像无论是从主观视觉效果,还是客观评价指标都要优于文中对比的典型融合方法,能为后续的天气分析和处理提供具有更加丰富的气象资料。

基于参数自适应PCNN和卷积稀疏的多聚焦图像融合

针对同一目标不同焦点图像优势互补的需求和现有多焦点图像融合算法存在焦点不清晰、边缘模糊和重影等问题,引入一种基于参数自适应脉冲耦合神经网络(PAPCNN)和卷积稀疏表示(CSR)的多聚焦图像融合算法。在非下采样剪切波变换(NSST)分解高低频子带的基础上,采用CSR融合低频子带系数,其中的高频子带系数利用一种参数自适应PCNN算法(PAPCNN)进行融合,并且对PAPCNN中的隐函数β进行改进,达到更好的融合效果。仿真实验结果表明,该方法解决了传统PCNN算法在融合图像时参数设置困难和传统稀疏表示细节保存性能不佳的问题,在视觉效果和客观指标方面与现有主流融合算法相比均具有较大优势。

基于自适应PCNN与PCA的遥感影像感知哈希认证算法

针对现有遥感影像感知哈希认证算法存在的鲁棒性不足的问题,本文利用PCNN在边缘检测过程中能够抑制噪声的特点,提出一种基于自适应PCNN与PCA的遥感影像感知哈希认证算法.首先,对遥感影像进行四边形隐形格网划分之后,根据格网单元的信息熵自适应地决定PCNN的时间衰减参数.然后,通过PCNN提取格网单元的边缘特征,进而构造格网单元的特征矩阵.接下来,对特征矩阵进行基于PCA和信息熵的自适应摘要化,得到的序列进行加密处理后就是该格网单元的感知哈希序列.实验表明,该算法在保持篡改敏感性的同时,对无损压缩和LSB水印嵌入具有近乎100%的鲁棒性,对有损压缩的鲁棒性在95%以上,相比于现有算法有了较大提高.

一种基于NSCT和自适应PCNN医学图像融合的改进算法

由于医学影像成像原理不同,不同模态图像的质量、空间和时间特性有较大区别,因此临床上需要将不同模态的图像融合进行综合分析。为了准确并全面地融合MRI和PET图像,提出了一种基于NSCT和自适应PCNN医学图像融合的改进算法。算法采用NSCT得到图像的低频和各方向子带信息,采用符合人类视觉系统的自适应PCNN选择融合图像系数,重构得到融合图像。采用颅脑MRI和PET医学图像进行了仿真实验。结果表明,基于NSCT自适应PCNN算法在提高空间纹理细节和减少颜色失真方面明显优于其它的融合算法。

基于NSST变换与自适应PCNN的多特征遥感图像融合

针对基于NSCT变换的遥感图像融合算法存在计算复杂度高,细节表现能力不足的问题,本文提出了一种基于NSST变换与自适应PCNN的多特征遥感图像融合算法。首先,利用HSV变换提取MS图像的亮度分量V,并将得到的亮度分量V与PAN图像分别进行NSST变换;其次,对于低频子带,提出了一种基于自适应的PCNN融合规则,将空间频率和区域平均梯度分别作为PCNN的外部激励和链接强度;对于高频子带,采用基于多特征的融合规则;最后,进行逆NSST变换和逆HSV变换得到融合图像。仿真实验表明,该算法与一些经典的融合算法相比不仅可以提高图像融合质量,在视觉效果和客观指标上也都有良好的表现。

多进制小波与自适应PCNN的可见光/毫米波图像融合

以安检中隐匿物品检测为应用背景,提出一种基于多进制小波与自适应脉冲耦合神经网络的可见光/毫米波图像融合算法。首先可见光图与毫米波图经多进制小波分解处理,得到低频分量与高频分量。其次,低频系数采取改进区域方差融合处理,高频系数则是将子带改进拉普拉斯能量和作为PCNN中对应神经元的链接强度β,将子带八方向边缘区域能量作为PCNN的外部激励输入,经点火处理得到点火映射图,通过判决算子选取融合图像的高频系数,然后重构得到融合图。实验仿真结果分析表明,提出的融合方法在主观与客观评价上均优于现有文献中的一些典型融合方法,能获得更好的融合效果。

采用改进平均梯度与自适应PCNN的图像融合

为了改善对多聚焦图像融合的视觉效果和时效性。借助非下抽样剪切波(NSST)变换的平移不变性和较强的方向选择性,提出改进的融合策略。通过NSST变换对源图像进行分解,获得与源图像大小相同但尺度不同的低频子带和高频子带,再采用改进平均梯度的策略对低频子带进行融合,对高频子带则利用改进的自适应PCNN策略进行融合。对融合后的高低频子带进行NSST逆变换,重构出整体更自然明亮和细节纹理更清晰的融合图像。仿真结果表明:改进融合策略较好地提取出了源图像的细节信息,在主观视觉和五种客观评价指标上均优于其他几种比较算法,且由于NSST引入了快速傅里叶变换,明显提高了运算的时效性。

基于DT-CWT和自适应PCNN模型的多聚焦图像融合方法研究

针对传统图像融合方法在多聚焦图像融合中存在细节丢失、边缘模糊和焦点不清楚等问题,提出一种基于双树-复小波变换(DT-CWT)优化显著性测度和自适应脉冲耦合神经网络(PCNN)模型的多聚焦图像融合方法。首先,将两张聚焦区域不同的输入图像使用双树-复小波分解成低频子带和高频子带;然后,对低频子带采用基于显著性测度的度量方法计算小波融合系数,对于高频子带,采用自适应PCNN模型计算触发时间来选取高频融合子带;最后,通过双树-复小波逆变换重构得到融合结果。与其他融合方法进行对比,结果表明,基于文章所提方法的融合图像更加自然清晰,具有较高的边缘保持度,同时保留了更多的细节信息,因此,此方法可以大大提高图像质量。

基于双树复Shearlet变换与改进PCNN的图像融合算法

为了克服双树复小波变换(dual tree complex wavelet transform,DTCWT)在图像融合中对方向选择性较差,难以很好地反映源图像的细节信息等不足,提出了一种新的双树复剪切波变换(dual-tree complex shearlet transform,DTCST)与自适应双通道脉冲耦合神经网络(adaptive dual-channel pulse coupled neural network,ADCPCNN)的图像融合方案。首先,利用形态学对源图像处理,对图像进行增强。再利用DTCST方法对增强图像完成分解,获得相应的低频、高频系数。然后,对于低频系数,定义了一种新的基于稀疏表示(sparse representation,SR)的融合规则。对于高频系数,利用边缘能量作为ADCPCNN外部输入,定义了一种ADCPCNN融合规则。最后,基于逆DTCST机制,输出融合图像。实验表明,与当前常用的图像融合方法比较,算法具有更高的融合视觉质量,所输出的图像更加清晰,较好保持了源图像的细节与纹理。

基于PCNN图像分割新算法

在原有PCNN的基础上提出一种新的参数自适应PCNN模型,该模型中的各参数均由像素点本身决定,而不受人为的外界干涉,因此,该算法在图像处理领域有较好的运用价值。此外提出另一类分割判定准则——最大相关系数判定准则。最后通过对3种不同的图像分割实验结果分析后得出。该算法和最大相关系数判定准则在图像分割领域中具有较强的适应性和较好的辅助意义。

NSCT域内基于引导滤波与改进PCNN的CT/MRI医学图像融合方法

针对CT和MRI图像融合边缘模糊、有伪影等问题,提出了一种改进引导滤波与自适应脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)相结合的图像融合方法。首先,对源图像通过非下采样Contourlet变换(Non-sub⁃sampled Contourlet Transform,NSCT)得到低通子带和带通子带。然后对低通子带采用自适应的PCNN进行融合。其中,用改进的平均梯度作为连接强度;用改进的拉普拉斯能量和作为外部激励;点火映射图的判决遵循取大原则。对于带通子带采用改进的引导滤波进行融合。最后,通过NSCT逆变换得到融合结果图。多组CT和MRI图像融合实验结果表明,此算法能更多地保留源图像的信息,边缘保持能力更强。融合图像对比度高,视觉效果更佳,在CT和MRI医学图像融合方面效果显著。