乐人铭 丁旖 姬纬通

【摘 要】本文研究了基于小波变换与脉冲耦合神经网络相结合的图像融合方法，以实现对图像融合质量的提高。论文的主要研究介绍基于区域点火特性的多聚焦图像融合。包括基于区域点火特性的PCNN融合新算法和多尺度分解下的PCNN点火特性。

【关键词】小波变换 图像融合 脉冲耦合神经网络

一、基于区域点火特性的PCNN融合新算法

为了克服成像镜头的有限焦距引起的模糊现象，多聚焦图像融合应运而生。PCNN是一种以哺乳动物猫的视觉神经细胞原理建立的神经网络模型，已被成功应用于图像处理中并初步应用于图像融合融合。

在小波变换域内应用PCNN模型，可以有效的提取原图像的特征，其信号形式和处理机制也符合视觉神经系统的生理学基础。但是，如果仅仅以单个像素的点火次数作为系数选择标准，原图像在过渡区域的信息提取就不够充分，将降低融合图像信息。为增强PCNN对有效信息的提取，我们提出以PCNN脉冲点火次数的区域特性为基础的融合新算法。

定义点火区域强度（Regional Fire Intensity，RFI）为式中，为调节因子，用以权衡平均值和标准差在系数选择中的重要性。

系数选取规则为

式中，，，表示ImageA、ImageB、ImageF的第i个小波系数矩阵（小波分解子图）中（x，y）位置上的元素；、分别表示图像A和图像B经过PCNN网络后点火次数的强度区域。

如果图像A对应像素的区域强度大于图像B，就选择图像A的小波系数作为融合图像的小波系数，反之选择图像B的小波系数作为融合图像的小波系数。……