基于PCNN与IFS的可见光与红外图像融合方法

摘要：

鉴于传统的可见光与红外图像融合方法存在的边缘模糊与清晰度低等问题,提出了一种基于脉冲耦合神经网络(PCNN)与直觉模糊集(IFS)的可见光与红外图像融合改进算法.该方法首先利用IHS变换,分离可见光图像的亮度信息I;其次,利用非下采样轮廓波变化(NSCT)将I分量与红外图像分别进行分解,得到高低频系数;对低频部分采用高斯隶属函数和直觉模糊集进行融合,对高频部分采用PCNN模型进行融合;再次,通过非下采样轮廓波逆变化得到融合图像的I分量;最后,进行IHS逆变换得到彩色融合图像.大量仿真结果表明,这种融合方法能很好地保留可见光与红外光源图像的特征信息和细节信息,融合后的图像的轮廓更加清晰,具有更良好的视觉效果.与现有的其它红外光和可见光图像融合方法相比,本文提出的方法,其融合图像的熵值、边缘保持度、互信息、标准差、结构相似度等指标都有明显的提高,有效地验证了本文算法的有效性.

关键词：图像融合、可见光与红外图像、非下采样轮廓波变化、直觉模糊集、PCNN、IHS

所属期刊栏目：31

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金61374022

在线出版日期：2020-11-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：738-744