基于BEMD和自适应PCNN的偏振图像融合

针对传统偏振图像融合视觉效果较差,纹理细节信息保留不充分等问题,结合BEMD变换的多分辨率、多尺度特性和PCNN全局耦合、脉冲同步激发等优点,提出了一种基于BEMD和自适应PCNN的偏振图像融合算法。首先融合线偏振度图像和偏振角图像得到偏振特征图像,然后对偏振特征图像和强度图像进行BEMD分解,对于低频分量,采用局部能量的融合方法;对于高频分量,采用区域方差自适应调整PCNN的链接强度,根据其显著性度量融合各子带系数。实验结果表明,该算法在视觉效果和空间频率,边缘保持度,互信息和平均梯度等多项评价指标上较其他算法均有优势。

基于双通道PCNN的玉米种子机械裂纹检测方法

针对玉米种子机械裂纹检测准确率低的问题,提出一种基于双通道脉冲耦合神经网络(PCNN)模型的数字图像融合方法:1)运用离散小波变换(DWT)、非下采样轮廓波变换(NSCT)分别对预处理后的玉米种子机械裂纹图像进行分解,得到各自的高低频子带;2)对高低频子带系数分别采用不同链接强度的改进空间频率激励的双通道PCNN模型进行融合操作,得到融合后的高低频子带系数;3)通过NSCT反变换得到最终的玉米种子机械裂纹图像。试验结果表明:采用双通道PCNN模型检测玉米种子机械裂纹的准确率为97.2%;图像熵、相关熵、相关系数、均方根误差分别为0.3511、1.7314、0.9835和0.5263,整体优于LoG、DWT、NSCT和PCNN方法;双通道PCNN方法的单张图像的执行时间为14.9007 s,运行时间最长,但效果最优。