10.16208/j.issn1000-7024.2018.11.031
基于IPCNN的红外与可见光图像融合算法
为充分保留源图像的细节信息,提高融合图像的清晰度、对比度,提出一种基于改进脉冲耦合神经网络(improved pulse coupled neural network,IPCNN)的红外与可见光图像融合算法.对源图像进行非降采样轮廓波变换(non-subsampled contourlet transform,NSCT),采用基于静态小波变换(static wavelet transform,SWT)的融合策略对低频子带进行融合,对高频子带采用绝对值取大与IPCNN相结合的融合方式,在融合过程中引入链接突触计算神经网络(linkingsynaptic computation network,LSCN)进行图像增强,通过NSCT逆变换得到融合图像.实验结果表明,该算法的融合图像在清晰度、对比度、图像信息熵等方面均具有较好的优势.
图像融合、脉冲耦合神经网络、非降采样轮廓波变换、静态小波变换、链接突触计算神经网络
39
TP391(计算技术、计算机技术)
国家自然科学基金项目61572147;广西科技计划基金项目AC16380108、2015BC19022;桂林电子科技大学图像图形智能处理重点实验基金项目GIIP201501;广西可信软件重点实验室基金项目kx201502;广西研究生教育创新计划基金项目YJCXS201536、2016YJCX71
2019-01-22(万方平台首次上网日期,不代表论文的发表时间)
共7页
3475-3480,3493