針對非下采樣Contourlet變換(NSCT)后計算復(fù)雜度高以及醫(yī)學(xué)融合圖像質(zhì)量差等問題,提出一種基于壓縮感知和脈沖耦合神經(jīng)網(wǎng)(PCNN)的圖像融合方法。首先將源圖像進行NSCT單層分解;其次,對計算量較大的高頻子帶采用高斯隨機測量矩陣進行壓縮測量,融合規(guī)則選用絕對值取大的方法,對融合后的高頻圖像采用正交匹配追蹤算法(OMP)進行重構(gòu);然后對低頻子帶采用基于PCNN的融合規(guī)則,將低頻子帶系數(shù)作為信號激勵PCNN網(wǎng)絡(luò),根據(jù)低頻圖像的特性選擇較大點火次數(shù)的系數(shù)作為低頻子帶融合系數(shù);最后對高頻融合圖像和低頻融合圖像通過NSCT逆變換,得到最終的融合圖像。實驗結(jié)果表明:該算法無論從人眼視覺效果還是客觀評價指標上均優(yōu)于其他算法,且具有較強的魯棒性。

【文章頁數(shù)】：8 頁

【部分圖文】：

圖1NSCT變換的實現(xiàn)過程

是NSCT變換層級k=1的分解過程。隨著層級的增加，低頻子帶會在NSP上進行迭代操作，若圖像經(jīng)過層級為k的NSCT變換后將得到1個低頻圖像和∑kk=12ik個高頻圖像，其中ik表示i在k級分解上的方向數(shù)。而NSCT逆變換是將分解濾波器進行恢復(fù)重建從而得到融合后的圖像。圖1為NSC....

圖2基于壓縮感知的圖像重構(gòu)框架

圖3PCNN簡化模型結(jié)構(gòu)

后將信號投影到測量值構(gòu)成的正交空間上，最后得到信號在這一正交空間上的投影分量與殘差。圖2基于壓縮感知的圖像重構(gòu)框架3脈沖耦合神經(jīng)網(wǎng)絡(luò)(PCNN)PCNN自20世紀90年代由Eckhom提出以來，受到了人們廣泛的研究和應(yīng)用。它是由多個神經(jīng)元互聯(lián)而成的反饋性神經(jīng)網(wǎng)絡(luò)，具有全局的耦合性....

圖4本文融合算法流程

ij(n)(7)Ykij(n)=1，Ukij(n)＞θkij(n)0，Ukij(n)≤θkij(n{)(8)式中:k為圖像的分解層數(shù);n為迭代次數(shù);Skij為神經(jīng)元的外部輸入;Fkij，Lkij分別為神經(jīng)元的反饋輸入和連接輸入;β為連接強度;W為連接權(quán)重;Ukij，Ykij分別為....

本文編號：4002204