【摘要】：針對(duì)傳統(tǒng)的脈沖耦合神經(jīng)網(wǎng)絡(luò)(PCNN)融合方法中參數(shù)過多,以及參數(shù)和網(wǎng)絡(luò)迭代次數(shù)難以準(zhǔn)確設(shè)置、融合效果差等缺點(diǎn),提出了一種用連接突觸計(jì)算網(wǎng)絡(luò)(LSCN)模型的連接項(xiàng)(L項(xiàng))進(jìn)行圖像融合的算法。首先,把兩幅待融合圖像分別輸入到LSCN模型中;其次,使用L項(xiàng)代替?zhèn)鹘y(tǒng)PCNN中的點(diǎn)火頻率作為輸出;然后,使用多通工作方式終止迭代;最后,通過比較L項(xiàng)的值得到融合后圖像的像素。理論分析與實(shí)驗(yàn)結(jié)果表明,與改進(jìn)的PCNN模型和在PCNN模型的基礎(chǔ)上提出的新模型進(jìn)行圖像融合的算法進(jìn)行比較,所提算法得到的融合圖像更有利于人眼觀察;特別是與點(diǎn)火頻率作為輸出的LSCN方法相比,所提算法在邊緣信息評(píng)價(jià)因子、信息熵、標(biāo)準(zhǔn)差、空間頻率、平均梯度上均較優(yōu)。該算法簡單易行,不僅減少了待定參數(shù)數(shù)目,降低了計(jì)算復(fù)雜度,而且解決了傳統(tǒng)模型中迭代次數(shù)難以確定的問題。
【圖文】：

現(xiàn)氐撓跋歟噼噱痹誦泄，

本文編號(hào)：2583719