基于脉冲耦合神经网络的图像融合

作     者：李荣花 

作者单位：福州大学 

学位级别：硕士

导师姓名：舒志彪

授予年度：2013年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 080203[工学-机械设计及理论] 0835[工学-软件工程] 0802[工学-机械工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：图像融合 脉冲耦合神经网络 算法改进 双通道PCNN 非下采样Contourlet变换 

摘      要：图像是人们生活中的信息来源之一,对图像进行分析、加工和处理,从中获取更加有用的信息,是图像处理要解决的问题。图像融合是图像处理中的一个重要内容,它的目的是将不同来源的同一对象的图像数据进行空间配准,然后,把各个图像数据所包含的互补信息或者优势信息通过某种特定的算法结合起来,以形成新的图像数据。随着图像融合技术的推广,越来越多的图像融合方法被提出,其中,基于脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)的图像融合方法逐渐显现出优势,并逐渐成为图像融合中的研究热点。本文主要研究了基于脉冲耦合神经网络的图像融合。首先综述了图像融合的基本概念、发展现状、融合评价指标以及一些图像融合方法,其次介绍了脉冲耦合神经网络的一些数学理论知识、基于脉冲耦合神经网络的图像融合算法的发展,然后分别介绍了基于双通道的PCNN图像融合和基于非下采样Contourlet变换内空间频率的PCNN图像融合这两种经典的融合方法。针对目前基于脉冲耦合神经网络的图像融合方法的一些不足之处,本文分别提出了针对双通道PCNN融合方法和非下采样Contourlet变换域内空间频率的PCNN融合方法的改进模型。首先,对于双通道PCNN的融合方法,根据脉冲耦合神经网络模型的特性对其进行改进简化,通过图像自身的特性来设置链接系数的值,并运用上一次的迭代结果替换内部活动项中的平衡因子;其次,对于非下采样Contourlet变换内空间频率的PCNN的融合方法,本文对其脉冲耦合神经网络模型进行了一定程度上的简化,并在和非下采样Contourlet变换结合的时候选取了区域取大的融合规则,同时链接系数根据输入激励的不同而调整。最后通过实验把两种改进的融合方法的效果同原方法及其它融合方法的效果进行比较,分析各自方法的优缺点。