基于Shearlet与改进PCNN的图像融合

被引：18

作者：

王朝晖 ^{[1
]}

王佳琪 ^{[1
]}

赵德功 ^{[2
]}

付伟 ^{[1
]}

机构：

[1] 燕山大学信息科学与工程学院

[2] 中国人民解放军部队

来源：

激光与红外 | 2012年 / 42卷 / 02期

关键词：

图像融合; 离散剪切波; 脉冲耦合神经网络; 链接强度;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

提出了一种基于离散剪切波(shearlet)和改进的脉冲耦合神经网络(PCNN)进行图像融合的方法。首先,采用shearlet变换将已配准的两个源图像进行分解,得到低频子带系数和不同尺度不同方向的高频子带系数,低频部分采用简单的加权平均法;高频部分,提出基于改进的拉普拉斯能量作为PCNN链接强度的算法。最后,进行shearlet反变换得到融合图像。仿真结果表明,本文的算法有更好的融合效果,并且所用时间也比非采样轮廓波(NSCT)少。

引用

页码：213 / 216

页数：4

共 6 条

[1] 基于区域分割和非采样Contourlet变换的红外和可见光图像融合 [J].