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.

基于M-DTCWT和2APCNN的多聚焦图像融合

为提高多聚焦图像的融合质量,提出了一种基于多方向双树复小波变换(M-DTCWT)的多聚焦图像融合方法。对多聚焦图像进行DTCWT分解得到低频系数与高频系数,再采用非下采样滤波器(NSDFB)对高频系数进行方向分解得到多尺度多方向的高频分解系数。对低频系数,提出结合模糊逻辑和稀疏表示(FSR)的融合规则得到低频融合系数。对高频系数,利用平均高斯差分梯度(ADOG)作为自适应双通道脉冲耦合神经网络(2APCNN)链接强度,提出基于改进双通道脉冲耦合神经网络的高频融合策略。最后通过M-DTCWT的反变换得到融合图像。实验结果表明,采用本文算法得到的融合图像在主观效果与客观指标上均优于传统的融合方法,较传统DTCWT方法,实验的2组图像在客观指标边缘信息度量Q AB/F和互信息MI上,分别提高了1.93%、8.87%和1.40%、9.18%。

基于双通道PCNN的NSST域红外与可见光图像融合

针对传统红外与可见光图像融合中存在的一些不足,提出一种新的基于非下采样剪切波变换(NSST)和双通道脉冲耦合神经网络模型(2APCNN)的红外与可见光图像融合算法.该算法首先对红外图像进行预处理,提高源图像的对比度,再对红外与可见光图像进行NSST分解得到低频和高频子带系数;然后对分解后的低频子带系数进行二维小波分解再次得到相应的低频和高频子带,低频部分采用一种基于显著图的融合策略,高频部分采用绝对值取大的原则,之后再对低频和高频采用小波逆变换得到NSST重构所需的低频部分;接着对NSST分解后的高频子带采用双通道PCNN进行处理;最后对处理过的低频和高频子带进行NSST逆变换得到最终的融合图像.几组图像的实验结果对比显示,该算法相比其他算法在客观评价指标和视觉效果上均取得了一定的改进.