基于非采样Contourlet变换与简化PCNN的图像融合
提出了一种基于NSCT与简化PCNN的自适应图像融合方法。针对脉冲偶合神经网络计算复杂,算法改进了一种简化PCNN模型。首先利用非下采样Contourlct变换对输入图像进行多尺度分解、多方向稀疏分解,然后利用局部能量比作为简化脉冲耦合神经网络的链接输入,较好地解决了PCNN需要人工调整参数的问题,利用PCNN同步激发特性确定高频融合规则,选取融合系数,提高融合性能,对于低频部分采用局部能量优先的融合策略。实验结果表明,该算法比小波变换、Contourlet变换等有更好的融合性能,同时具有一定的健壮性。
图像融合 非采样Contourlet变换 脉冲耦合神经网络 链接强度
李钢 王雷 张仁斌
合肥工业大学计算机与信息学院,合肥 230009
国内会议
桂林
中文
491-494
2009-11-01（万方平台首次上网日期，不代表论文的发表时间）