LNSST域内参数优化PCNN的多源图像融合

摘要：

针对局部非下采样剪切波变换(LNSST)与脉冲耦合神经网络(PCNN)工作不稳定、低频子带细节特征不足问题导致的融合图像细节丢失,视觉观感不佳,提出一种LNSST与PCNN结合的融合方法.首先,提出分裂果蝇优化算法对PCNN参数进行优化,消除源图像统计差异对PCNN工作稳定性的影响;然后,通过LNSST,将源图像分解为高/低频子带,并使用引导滤波刺激低频子带以表现更多的细节特征;最后,通过参数优化的PCNN融合LNSST高/低频子带,再经过LNSST逆变换得到完整的融合图像.在多聚焦、红外和医学3类融合任务共90组图像中的实验结果表明,对比多种融合方法,该方法主观上在画面清晰度等方面具有优势,客观上在6项评价指标上有2.9％～29.3％的提升;同时在不同的融合任务中都能有效地保留细节与纹理信息,提高了融合准确性.

关键词：图像融合、局部非下采样剪切波变换、脉冲耦合神经网络、分裂果蝇优化算法、引导滤波

所属期刊栏目：34

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家重点研发计划;天津市教委科研项目

在线出版日期：2022-09-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：1193-1204