一种新的结合NSCT和PCNN的图像融合方法*

2016-12-21何建农

网络安全与数据管理 2016年23期

关键词：融合方法

杨丹，何建农

(福州大学数学与计算机科学学院，福建福州 350116)

一种新的结合NSCT和PCNN的图像融合方法*

杨丹，何建农

(福州大学数学与计算机科学学院，福建福州 350116)

考虑到小波变换存在一些局限性，提出一种把非下采样Contourlet变换(NSCT)与脉冲耦合神经网络(PCNN)相结合的图像融合新方法。用NSCT变换从多尺度和多方向上分解配准后的原始图像。低频应用改进的边缘能量结合空间频率的融合方法；高频应用PCNN简化数学模型，其链接强度用改进的拉普拉斯能量和表示。并且选择点火映射图的点火次数与其标准差相结合的方法。最后经过NSCT逆变换得出融合图像。实验分析可知，与其他几种图像融合方法进行比较，新方法取得了更高质量的融合图像。

图像融合；非下采样轮廓波变换；脉冲耦合神经网络；边缘能量；拉普拉斯能量和

0 引言

图像融合是将由不同传感器获得的图像的重要信息进行互相补充，得到一幅含有更加全面信息的新图像，它能够更加准确地描述真实场景[1]。比较经典的是小波变换方法，不过它只有点奇异性，而且方向受到限制，因此不能解决高维问题。为了打破方向上的限制，相关学者又研究出了一些新方法，如Contourlet变换,它比小波变换处理的效果好，但其没有平移不变性。所以，CUNHA A L等[2]对Contourlet变换作了改进，提出非下采样Contourlet变换(Nonsubsanpled Contourlet Transform,NSCT)，它有平移不变的性质。脉冲耦合神经网络(Pulse-Coupled Neural Network,PCNN)是Eckhorn提出来的，它对图像融合领域产生了重要影响。