基于NSCT的PCA与PCNN相结合的图像融合算法

摘要：

为了克服小波变换与Contourlet变换在图像融合应用中的不足,文中提出了一种基于非下采样Contourlet变换(Non-Subsampled Contourlet Transform,NSCT)与主成分分析(Principal Component analysis)及脉冲耦合神经网络(Pulse-Coupled Neural Networks,PCNN)相结合的融合算法. 首先对被融合图像执行NSCT分解,将图像分解为一个低频子带图像和多个高频子带图像,利用PCa加权规则融合低频子带图像得到融合图像的低频子带图像,利用PCNN规则融合各高频子带图像得到融合图像的高频子带图像,最后经NSCT逆变换重构图像. 实验结果表明,该算法有效地融合了源图像中的重要信息,融合图像边缘、纹理、细节清晰,得到了较好的视觉效果和较优的评价指标.

关键词：图像融合、非采样Contourlet变换、脉冲耦合神经网络、主成分分析

所属期刊栏目：25

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家级创新训练项目20131072002;陕西省教育科研项目14JK1802;咸阳师范学院科研基金项目13XSYK058

在线出版日期：2016-01-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：72-75,79