Shearlet与改进PCNN相结合的图像融合

摘要：

为提高多聚焦和医学图像融合的性能，提出了一种基于Shearlet变换的新型图像融合算法。与小波变换类似，Shearlet具有简单的数学结构，这使其可以很方便地和多分辨分析关联起来。在对一幅图像作Shearlet变换时，可以将其在任意尺度和方向上进行解构，因而Shearlet比传统小波可以捕获更多的方向和其他几何信息。所以对于图像融合来说，Shearlet是一种很好选择。对于Shearlet子带系数的选择，采用了一种改进的PCNN的点火幅度来得到融合策略，而不是传统PCNN方法中的点火次数，点火幅度通过一个Sigmoid函数来得到。并且采用改进拉普拉斯能量和（SML）这一有效的聚焦度量作为PCNN的输入，以提高其性能。实验结果表明，该方法在视觉效果和客观评价指标上都要优于小波和非下采样Contourlet（NSCT）方法。

关键词：Shearlet变换、脉冲耦合神经网络(PCNN)、图像融合

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目No.60975026。

在线出版日期：2014-01-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：142-146