多方向独立小波耦合神经网络的图像融合算法

针对当前图像融合算法因利用下采样分解导致信息冗余、融合图像对比度和清晰度不高等不足,提出基于非分离小波多方向分析NSWMDA(non-separable wavelet multi-directional analysis)与脉冲耦合神经网络PCNN(pulse coupled neural network)的图像融合算法。根据非分离小波变换和非下采样方向滤波器,设计多尺度NSWMDA机制,获取源图像的低频、高频子带;引入高斯-拉普拉斯算子,提取高频子带的高频信息,设计自适应PCNN融合准则,完成高频信息融合;基于高斯加权平均的低频融合规则,对低频子带完成融合;利用NSWMDA重构,输出融合图像。仿真结果表明,与当前图像融合算法相比,该算法的融合图像具有更优的交互信息、PSNR(peak signal to noise ratio),以及融合效率。