一种基于对比度增强和柯西模糊函数的红外与弱可见光图像融合算法

由于可见光图像在低光照环境下其可视性较差,为了提高红外与弱可见光图像融合的效果,提出了一种基于对比度增强和柯西模糊函数的图像融合算法.首先用改进的引导滤波自适应增强提高弱可见光图像暗区域的可视性;其次,利用非下采样剪切波变换将红外和增强后的弱可见光图像分解,得到相应的低频和高频子带;再后,分别用直觉模糊集构建柯西隶属函数和自适应双通道脉冲发放皮层模型对低频、高频子带进行融合;最后,使用非下采样剪切波变换对融合得到的高低频子带进行逆变换重构得到融合图像.实验结果表明,与其它融合算法相比,该算法有效地增强了弱可见光图像的暗区域,保留了更多的背景信息,从而提高了融合图像的对比度和清晰度.

自适应彩色图像SCM去噪

提出一种彩色图像去噪方法。该方法首先利用脉冲发放皮层模型(spiking cortical model,SCM)的同步脉冲发放特性和脉冲噪声明显不同于周围非噪声像素的特点定位彩色图像各通道中脉冲噪声点的位置;然后根据噪声检测情况自适应地选择窗口的大小及对应的滤波方法仅滤除噪声像素,保持非噪声像素不变。实验数据表明该方法能够充分去除噪声的同时很好地保持图像细节。对污染严重的图像,用该方法去噪后的主观视觉和客观评价明显有所改善。

基于SCM模型的自适应医学图像融合方法

针对同一部位源于不同成像原理的医学图像融合问题,提出了一种基于脉冲发放皮层模型(SCM)的自适应医学图像融合方法.不同于传统的神经网络模型,SCM具有更直观的运行机制和更优良的图像处理效果,并且待定参数较少,极大地降低了SCM的计算复杂度.同时使用赋时矩阵解决了经典SCM中迭代次数难以确定的缺陷.实验结果表明本文方法是有效可行的.

基于高斯模糊逻辑和ADCSCM的红外与可见光图像融合算法

为了克服当前的红外与可见光图像融合算法存在着目标不够突出、纹理细节丢失等现象,本文提出了一种基于高斯模糊逻辑和自适应双通道脉冲发放皮层模型(AdaptiveDual-ChannelSpiking CorticalModel,ADCSCM)的红外与可见光图像融合算法。首先,使用非下采样剪切波变换(NonSubsampled Sheartlet Transform, NSST)将源图像分解为低频和高频部分。其次,结合新拉普拉斯能量和(New Sum of Laplacian, NSL)与高斯模糊逻辑,设定双阈值来指导低频部分进行融合;同时,采用基于ADCSCM的融合规则来指导高频部分进行融合。最后,使用NSST逆变换进行重构来获取融合图像。实验结果表明,本文算法主观视觉效果最佳,并在互信息、信息熵和标准差3项指标上高于其他7种融合算法,能够有效突出红外目标、保留较多纹理细节,提高融合图像的质量。

基于FCM与ADSCM的红外与可见光图像融合

基于模糊C-均值(FCM)聚类的模型具有在图像分割中可以保留原始图像中大部分信息的优点,自适应双通道脉冲发放皮层模型(ADSCM)具有全局耦合、脉冲同步、参数少、计算效率高以及可以很好地处理较暗区域信息等优点。提出了一种基于FCM与ADSCM的红外与可见光图像融合算法。源图像经过非下采样剪切波变换(NSST)分解后,通过将FCM与ADSCM相结合,对相应的子带图像进行融合,最终经过逆NSST得到重建的新图像。实验结果表明:该方法与其他传统方法相比,可以在保留可见光背景信息的同时有效地提取红外图像的目标信息;与其他几种方法相比,所提方法在平均梯度、互信息以及边缘保留因子等方面有明显的改进。