基于FCM与引导滤波的红外与可见光图像融合

针对传统红外与可见光图像融合算法中存在的目标模糊、细节丢失、算法不稳定等问题,提出了一种基于模糊C均值聚类(Fuzzy C-means,FCM)与引导滤波的红外与可见光图像融合方法。原图像经过非下采样剪切波变换(Nonsubsampled Shearlet Transform,NSST)后对低频子带进行引导滤波增强,再利用FCM与双通道脉冲发放皮层模型(Dual Channel Spiking Cortical Model,DCSCM)结合对高低频子带进行融合,最后经NSST逆变换得到融合图像。实验结果表明,本文算法稳定,主观评价上所得融合图像目标明确,细节保留较为完整,客观评价上在标准差、互信息、平均梯度、信息熵和边缘保留因子等评价标准中表现优良。

基于改进模糊C均值聚类的图像融合算法

为了更好地突出红外与可见光融合图像中的目标信息,保留更多的纹理细节信息,提出了一种基于非下采样剪切波变换(non-subsample shearlet transform,NSST)域结合脉冲发放皮层模型(spiking cortical model,SCM)与改进的模糊C均值聚类(fuzzy C-means clustering,FCM)的红外与可见光图像融合算法。首先,用改进的FCM提取源红外图像中的红外目标信息;然后,将得到的红外图像与可见光图像的目标区域和背景区域进行NSST分解,得到各自的高低频子带图像;接着,对得到的不同区域采用不同的融合策略,其中,对于高频背景区域采用SCM模型与改进赋时矩阵进行融合;最后,使用NSST逆变换,得到最终的融合图像。仿真实验证明,与其他方法相比,本文算法得到的融合图像在主观视觉上红外目标信息突出,纹理细节信息丰富,在客观评价上,其信息熵和边缘保留因子达到最优。

一种基于蚁狮最大熵算法与引导滤波的图像融合算法

传统红外与可见光图像融合算法中易出现目标提取不够充分、细节丢失等问题,导致融合效果不理想,从而无法应用于目标检测、跟踪或识别等领域。因此,该文提出一种基于蚁狮优化算法(ALO)改进的最大香农(Shannon)熵分割法结合引导滤波的红外与可见光图像融合方法。首先,使用蚁狮最大熵分割法(ALO-MES)对红外图像进行目标提取,然后,对红外和可见光图像使用非下采样剪切波变换(NSST),并对获得的低频和高频分量进行引导滤波。由提取的目标图像与增强后的红外和可见光低频分量通过低频融合规则得到低频融合系数,增强后的高频分量通过双通道脉冲发放皮层模型(DCSCM)得到高频融合系数,最后经NSST逆变换得到融合图像。实验结果表明,所提算法能够得到目标明确、背景信息清晰的融合图像。

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.

一种基于视皮层神经元模型的彩色图像签名算法

针对彩色图像签名问题进行了研究,基于哺乳动物视皮层神经元工作原理,提出了一种三通道脉冲发放皮层模型TSCM(Triple-Channel Spiking Cortical Model),实现了对彩色图像不变性特征的有效提取。TSCM模型不但具有常规脉冲耦合神经网络签名算法的平移、旋转、缩放不变性,而且算法更加简洁高效,对于噪声影响具有更强的鲁棒性。实验仿真结果验证了该算法的有效性。

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的虹膜干扰区域去除算法

为了提高虹膜识别率,提出了一种新的睫毛及眼睑区域定位算法。为了提取呈不同角度分布的睫毛,结合SCM模型和动态交叉熵准则对归一化虹膜图像进行多次迭代,根据图像的灰度分布特性,选取合适迭代结果,对多幅迭代图像进行边缘像素点跟踪融合来获得理想的干扰区域轮廓定位。采用高斯金字塔尺度变换与霍夫变换相结合的方法对眼睑的类椭圆区域进行拟合,进而获得连续的眼睑边缘,实现对归一化虹膜图像中干扰区域的准确定位。实验结果验证了方法的有效性。

基于脉冲发放皮层模型的图像分割方法

图像分割算法对光照强度的反应较敏感,同一种算法往往很难对不同光照情况下的图像进行有效分割。基于此,提出一种基于脉冲发放皮层模型的图像分割方法。首先选用不同阶段指数函数对漏电积分器的特性近似逼近。其次,根据亮图像与暗图像之间的区别选择不同的衰减函数,使模型对不同亮度图像具有较好的适应性。实验表明该方法能够对不同光照条件下的图像进行有效地分割,同时较好地保留图像的细节信息,与改进的脉冲耦合神经网络、改进的交叉皮层模型以及二维OTSU算法相比,具有较强的鲁棒性。

基于区域特征的SCM多聚焦图像融合算法

针对人眼对图像局部区域更敏感的特点,提出一种基于图像区域特征的自适应脉冲发放皮层模型(SCM)的多聚焦图像融合算法。该方法将多聚焦图像融合过程分为2个阶段:第1阶段基于图像的源图像局部区域特征对比,融合相同区域及优越区域;然后采用SCM模型对2幅图像的差异区域进行融合并相应的提出一种融合准则;为得到最佳的模型融合参数,采用引力搜索算法进行智能寻优,且为了提升算法的求解性能采用2种自改进策略。仿真实验采用3组标准图片对算法进行验证,本文算法均取得较好的融合效果,验证本文所提算法的有效性。

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.

结合HSI变换与双通道脉冲发放皮层的彩色多聚焦图像融合

结合非下采样剪切波变换(NSST)和改进的拉普拉斯能量和以及双通道脉冲发放皮层模型(DCSCM),提出一种新的彩色多聚焦图像融合算法.首先对源图像进行HSI彩色空间变换获得色调、饱和度和亮度分量,对源图像亮度分量采用NSST进行分解,获取相对应的高低频分解系数;然后低频分量系数依据改进的拉普拉斯能量和规则进行筛选,高频分量系数采用DCSCM进行融合,经过NSST逆变换获取亮度信息的融合分量;最后利用源图像与亮度分量的欧式距离关系实现色调与饱和度分量进行的分配,通过HSI逆变换获得最终的融合结果.实验结果表明,算法取得了较好的视觉效果并且在互信息、结构相似度、边缘保留度等客观评价指标中具有优势.

结合NSST与优化脉冲发放皮层模型的红外与可见光图像融合

针对传统红外与可见光图像融合时边缘不清晰、对比度不高、细节丢失等问题,结合非下采样剪切波变换(NSST)具有多尺度,最具稀疏表达特性与脉冲发放皮层(SCM)具有耦合、脉冲同步激发等优点,提出一种基于NSST与多目标人工蜂群优化SCM参数的图像融合方法。首先,通过NSST分解红外与可见光图像获得高频与低频子带系数,然后低频子带系数采用基于边缘信息指导SCM融合策略,高频子带系数采用改进的空间频率作为优化SCM的激励进行融合,最后经过NSST逆变换得到最终图像。实验结果表明,该方法相比其他融合算法不仅在主观评价上有一定程度的改善而且在客观评价指标互信息(MI)与边缘保留度(QAB/F)上有明显的提高。

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。

峰值皮层模型耦合Weber局部描述符的图像融合算法

为了解决当前医学图像融合(Medical Image Fusion, MIF)方法易产生伪影,丢失部分图像细节,以及对比度较低的问题,本文提出了一种新的峰值皮层模型(Spiking Cortical Model, SCM)耦合WLD (Weber Local Descriptor)的图像融合算法.首先,通过SCM对源图像进行分解,获得不同的二进制脉冲图像;其次,利用输出脉冲图像生成点火映射图像,并构建了SCM脉冲输出点火数量的融合准则;然后,结合SCM脉冲输出的信息熵与点火映射图像的Weber局部描述这二者的相似性来计算融合权重,完成图像融合.通过实验表明:与当前常用的MIF算法相比,本文所提算法具有更好的视觉效果,其融合图像质量与对比度更高,同时,在客观评价标准IE,MI,AG,SSIM方面也具有更大的优势,有效地保持了源图像的有效信息.

结合多尺度局部极值分解和SCM模型的医学图像融合方法

根据不同的成像原理,医学图像有多种不同的图像类型。针对CT-MRI图像融合中容易造成细节和对比度信息丢失等问题,提出一种基于多尺度局部极值分解方法(LES)和双通道脉冲发放皮层模型(DCSCM)的图像融合方法。利用多尺度局部极值分解方法将源图像分解为一系列不同尺度的平滑图像和细节图像;使用最大值法分别提取两个系列平滑图像的最大值,使用稀疏表示方法进行平滑图像的融合;对两个系列的细节图像取均值,使用DCSCM模型对细节图像进行融合;通过融合后的平滑图像和细节图像重构出最终的融合图像。对多组医学图像进行实验仿真和主客观分析,多组实验结果表明,该方法在主观视觉方面和客观评价指标的定量分析方面都取得了优异的效果。

基于FPGA集群的脉冲神经网络仿真器设计

针对类脑计算系统中NEST脉冲神经网络仿真器运行速度慢和功耗高的问题,设计一种基于现场可编程逻辑门阵列(FPGA)集群的NEST脉冲神经网络仿真器。在改进NEST仿真器结构的基础上,提出漏电流整合放电神经元计算模块的流水线并行架构,实现支持双核双线程和多节点多进程的FPGA集群设计。在皮质层视觉仿真模型上的实验结果表明,与基于Xeon E5-2620和ARM A9平台的NEST仿真器相比,基于FPGA集群的NEST仿真器计算能效和速度分别提升43.93倍、23.54倍和12.36倍、208倍,能为大规模类脑计算系统实现提供技术支持。

基于邻域特征与SCM相结合的红外与可见光图像融合

提出了一种基于邻域特征与脉冲发放皮层模型(Spiking Cortical Model,SCM)相结合的红外与可见光图像融合算法。首先,源图像经过非下采样剪切波变换(Non-subsampled Shearlet Transform,NSST)分解得到各自的低频子带图像和高频子带图像。然后,根据低频与高频子带的特点,选择适合的邻域特征作为SCM的外部激励,通过比较SCM的输出对低频与高频分量进行融合。最后将融合得到的低频与高频子带图像经逆变换重建得到最终的融合图像。通过实验仿真与其他几种方法进行比较,可以看出本文算法的融合图像红外目标突出,背景信息丰富,视觉效果良好,并且在标准差、信息熵,以及互信息等客观评价方面具有明显的提高。

基于RGF改进显著性检测与SCM相结合的图像融合

针对传统显著性检测融合方法中目标对比度低,纹理细节不够丰富的问题,提出了一种基于滚动导向滤波(RGF)改进显著性检测与脉冲发放皮层模型(SCM)相结合的可见光与红外图像融合算法。该算法先将源图像经过非下采样剪切波变换(NSST)分解成低频部分和高频部分,然后利用RGF小尺度消除、大尺度边缘恢复特性对Frequency Tuned算法进行改进并提取出红外图像显著图。再使用显著图投影区域指导法融合低频部分,同时采用SCM结合区域能量与改进的拉普拉斯能量和融合高频部分,最后使用逆变换重建图像。仿真结果表明,该算法能在突出显著目标的同时保留丰富的细节信息,在质量指标如标准差、互信息、边缘保留因子等方面均优于对比方法。

结合邻域特征与IDCSCM的红外与可见光图像融合

提出了一种结合邻域特征与改进双通道脉冲发放皮层模型(Improved Dual-Channel Spiking Cortical Model,IDCSCM)的红外与可见光图像融合算法。针对传统的脉冲发放皮层模型对于图像较暗区域的处理存在不足,采用双通道脉冲发放皮层模型进行图像融合,并对其进行改进。结合非下采样剪切波对源图像进行分解,同时选用子带图像合适的邻域特征作为IDCSCM的输入激励进行融合。通过实验验证,该方法可以在保留可见背景信息的同时有效地提取红外图像的目标信息,与其他几种方法进行对比,在标准差、信息熵,以及互信息等方面有明显的提高。

基于改进的区域生长法与引导滤波的图像融合

针对红外与可见光图像融合算法中存在的目标提取不充分、细节丢失等问题,提出一种基于改进的区域生长法(IRG)与引导滤波的红外与可见光图像融合方法。首先对红外图像使用IRG进行目标提取,然后对红外和可见光图像使用非下采样剪切波变换(NSST),并对所得低频与高频分量进行引导滤波,由滤波后的红外和可见光低频分量通过基于IRG的融合规则得到低频融合系数,由增强的高频分量经过双通道脉冲发放皮层模型(DCSCM)得到高频融合系数,最后经NSST逆变换得到融合图像。用主观评价和6种常用客观评价指标对融合图像进行评估。实验结果表明,所提算法的融合图像目标突出、背景信息清晰、细节保留能力强,在主观和客观评价上均有明显优势。