NSCT域内基于改进PCNN和区域能量的多光谱和全色图像融合方法

被引：20

作者：

李新娥 ^{[1
,2
]}

任建岳 ^{[1
]}

吕增明 ^{[1
]}

沙巍 ^{[1
]}

张立国 ^{[1
]}

何斌 ^{[1
]}

机构：

[1] 中国科学院长春光学精密机械与物理研究所

[2] 中国科学院大学

来源：

红外与激光工程 | 2013年 / 42卷 / 11期

关键词：

图像融合; 非下采样Contourlet变换; 脉冲耦合神经网络; 区域能量;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

针对多光谱和全色图像的融合,提出了一种NSCT域内基于改进脉冲耦合神经网络(PCNN)和区域能量的融合方法。首先,利用NSCT将图像分解为一个低频子带和多个不同方向的带通子带。然后,对分解后的低频子带采用基于区域能量的自适应加权算法进行融合;在带通方向子带,结合改进的脉冲耦合神经网络,使用带通方向子带系数作为PCNN的外部输入激励,经过PCNN点火获得待融合图像的点火映射图,根据点火时间计算点火映射图的区域能量,通过判决算子选择待融合图像的带通方向子带系数作为融合系数。最后,对融合处理后的NSCT变换系数进行重构生成融合图像。实验结果显示:在迭代次数为100次时,与改进小波算法相比,标准差提高了9.48%,熵提高了0.95%,相关系数提高了21.56%,偏差指数降低了29.66%;与Contourlet算法相比,标准差提高了9.73%,熵提高了0.94%,相关系数提高了11.27%,偏差指数降低了9.45%;与NSCT算法相比,标准差提高了3.84%,熵提高了3.34%,相关系数提高了7.89%,偏差指数降低了7.42%。

引用

页码：3096 / 3102

页数：7

共 6 条

[1] 针对不同融合算法的质量评价指标性能评估 [J].