NSCT域内基于自适应PCNN的图像融合新方法

论文结合非下采样contourlet变换(NSCT)的平移不变性、多尺度、多方向特性和脉冲耦合神经网络(PCNN)的同步脉冲发放、捕获特性,提出在NSCT域中基于PCNN的图像融合框架。对于低频子带,利用改进拉普拉斯能量和作为特征激励PCNN;对于高频方向子带,采用改进的空间频率作为PCNN的外部激励;同时利用各子带图像的平均梯度自适应调节PCNN的链接强度,最后,选取具有较大点火次数的系数作为融合图像的系数,经逆NSCT变换重构融合图像。实验结果表明本文方法无论在主观视觉还是客观评价标准上都要优于传统的基于小波变换、contourlet变换、PCNN的图像融合方法。

基于修正空时频分布矩阵的到达角估计

讨论了密集信号环境下,雷达侦察系统对信号到达角(DOA)的估计方法。首先对参考阵元的输出作时频分析,估计信号的频率参数,从而选择时频脊点构造方向矩阵;然后对各阵元输出求互Wigner Ville分布(XWVD)以构造修正空间时频分布(STFD)矩阵;最后用修正STFD矩阵代替传统MUSIC算法中的协方差矩阵即可求得信号的时频———MUSIC空间谱,从而得到信号的DOA。计算机仿真结果表明该算法可实现对常规雷达脉冲、线性调频信号等多种信号的DOA估计。

时域宽带矩阵空域滤波器设计方法

提出了一种基于FIR滤波器的时域宽带矩阵空域滤波器设计方法。首先,采用窄带矩阵空域滤波器优化设计方法,设计对应工作频带内各子带的恒定扇区响应空域滤波加权矩阵集。应用该矩阵集元素重构N个宽带基阵加权向量集,设计对应的N个恒定响应空域宽带FIR滤波器,进而构成时域宽带矩阵空域滤波器。该方法实现了对阵元接收宽带数据的时域矩阵空域预滤波,提高了系统的实时信号处理能力。计算机仿真和实验数据处理结果验证方法的有效性。

多小波和NSDFB组合域递归滤波多聚焦图像融合

多小波能同时满足正交、紧支、对称等对信号处理十分重要的特性,结合多小波变换的多尺度特点和非子采样方向滤波器组变换的多方向性,提出了一种新的基于多小波和非子采样方向滤波器组的多尺度多方向变换。对于高频系数首先计算其修改空间频率,然后利用域变换递归滤波进行滤波的融合规则;低频系数采用了修改拉普拉斯能量和的(SML)融合规则。通过与其他融合方法进行实验对比,实验结果表明:本文提出的融合方法能够更加有效地选择源图像中的聚焦良好区域,并且引入的伪影信息较少;此外,与其他融合方法相比本文方法的客观评价结果也是最好的。

通道误差对时频-MUSIC算法性能的影响和校正

提出了修正空间时频分布(STFD)矩阵的到达角(DOA)估计算法,该算法可实现对宽带线性调频信号的DOA估计;分析了通道不一致对算法性能的影响,建立了宽带信号模型的通道误差模型;给出了均匀直线阵列(ULA)情况下通道不一致的无源校正算法,该算法通过先粗测信号DOA,据此将修正STFD矩阵进行变换,变换后矩阵具有Toeplitz结构,通过恢复其Toeplitz结构来实现通道误差校正。

NSCT域内基于自适应PCNN的红外与可见光图像融合方法

提出一种在图像的非下采样Contourlet变换(NSCT)域内基于脉冲耦合神经网络(PCNN)的融合方法。首先采用NSCT对严格配准的待融合图像进行多分辨率多方向分解,得到低频子带和高频方向子带;然后使用各子带系数的空间频率作为PCNN对应神经元的自适应连接强度系数,使用改进的拉普拉斯能量和作为PCNN每个神经元的外部激励,经过PCNN点火过程获得各子带对应的点火映射图,并通过判决选择算子确定融合图像的各子带系数;最后采用NSCT逆变换对低频子带系数和高频方向子带系数进行重构,得到融合图像。使用红外与可见光图像进行仿真实验的结果表明,本文方法优于基于小波变换、NSCT及传统NSCT与PCNN结合的图像融合方法。

基于时频分析的雷达信号到达角估计

现有的空间时频分布(STFD)的信号表示只适用于窄带、连续信号的分析,而雷达侦察系统要求对脉冲、线性调频等信号同时进行到达角(DOA)、频率和信号时域参数的估计。本文给出了现有空间时频分布对雷达信号DOA估计的条件,并提出了基于修正STFD矩阵的DOA估计算法。通过对各阵元输出作时频分析,估计信号的频率参数,然后据此构造方向向量和修正STFD矩阵,即可构造MUSIC空间谱。该算法不受基于现有STFD算法的条件限制。

修正STFD-ESPRIT到达角估计

提出了基于修正空间时频分布(STFD)矩阵的ESPRIT算法以实现对宽带线性调频信号的到达角估计.通过求阵元输出间的互Wigner-Ville分布(XWVD),并以其幅值最大值对应时频点的XWVD值作为修正STFD矩阵对应的元素,则该矩阵具有类似窄带信号阵列协方差矩阵类似的数学结构;在均匀直线阵列下,阵列输出的修正STFD矩阵在利用变换矩阵进行变换后具有平移不变性,为此可应用ESPRIT算法以实现DOA估计.

基于焦点度量与模糊逻辑的多聚焦图像融合算法

目的为了使多聚焦灰度图像融合时保持源图像清晰信息,并有效抑制块效应和重影现象,基于3种不同聚焦测量与模糊推理系统,设计一种焦点度量与模糊逻辑的多聚焦灰度图像融合方案。方法首先,分别利用空间频率(SF)、改进的Laplacian能量和(SML),以及梯度和(SOG)计算输入灰度图像在像素邻域的局部焦点特征,并利用像素相关性改善对比度,从而得到SF,SML,SOG等3种聚焦度量。其次,根据SF与SML强度关系,建立焦点三态图,结合互补聚焦信息,并进行形态、中值滤波和一致性检查,消除狭窄的鸿沟和突起问题。然后,引入模糊逻辑算子,将每个图像像素的SF,SML图以及SOG作为模糊化的输入,通过模糊规则和去模糊器,生成每个图像的融合权重。最后,根据焦点权重执行加权融合,形成最后的融合图像。结果实验结果表明,与当前流行的融合方案相比,对于灰度图像,所提算法在融合性能上具有一定的优势,其融合图像具有更好的景深信息,避免了块效应与重影现象。结论所提算法具有良好的融合质量,能够有效提高灰度图像的分辨率,在图像处理领域具有一定的价值。

基于NSCT与双通道PCNN的多聚焦图像融合

为提高多聚焦图像的清晰度及PCNN在图像融合方面的实用性,提出一种基于NSCT与双通道PCNN的多聚焦图像融合新方法.首先对来自同一场景的多聚焦图像分别进行NSCT变换;然后将基于SML的视觉特性对比度用于低频子带系数的融合;对于高频子带则通过改进的空间频率激励双通道PCNN进行融合,两个通道对应不同的连接强度,根据点火次数确定高频子带融合系数;最后进行逆NSCT变换得到最终融合图像.实验结果表明,该融合算法得到的融合图像具有较高的清晰度,在主观和客观评价指标上优于其他算法,具有较好的视觉效果.

一种适用于多模态医学图像融合的自适应脉冲耦合神经网络改进算法

针对医学图像融合存在伪影、边缘保持性弱等问题,提出了一种参数自适应的脉冲耦合神经网络(pulse coupled neural network,PCNN)图像融合方法。首先,对源图像通过非下采样Contourlet变换(non-subsampled contourlet transform,NSCT)得到一个低通子带和多个尺度多个方向下的带通子带。然后用区域标准差调整连接范围,进而调整突触权重矩阵以及加权系数;用各子带的改进空间频率中方向特征最显著的分量调整连接强度;对于外部激励,低通子带用区域能量和区域方差的线性组合计算,带通方向子带采用改进的拉普拉斯能量和计算。点火映射图的判决遵循取大原则。最后,通过NSCT逆变换得到融合结果图。实验结果表明,此算法能更多地保留源图像的信息,边缘保持能力更强,融合图像对比度高,视觉效果更佳,适用于多种模态医学图像之间的融合。