多目标粒子群优化PCNN参数的图像融合算法

摘要：

目的 脉冲耦合神经网络(PCNN)在图像融合上往往因为参数设置问题而达不到最佳效果,为了提高图像融合的质量,提出了一种基于多目标粒子群优化PCNN参数的图像融合算法.方法 首先用多目标粒子群对PCNN模型参数进行优化得到最优PCNN参数模型,然后利用双复树小波(DTCWT)对图像多尺度分解,将高频分量通过优化好的PCNN模型进行高频融合,低频分量通过拉普拉斯分量绝对和(SML)来进行低频融合,最后通过DTCWT逆变换实现图像的融合.结果 分别与DTCWT,拉普拉斯金字塔变换(LP)以及非下采样Contourlet变换(NSCT)进行实验对比,融合图像Clock,Lab的融合结果在客观指标上的互信息(8.062 3,7.908 5)、图像的品质因数(0.716 2,0.714 2)和标准差(51.213,47.671)都优于其他方法,熵和其他方法差不多,融合结果能够获得更好的视觉效果以及较大的互信息值和边缘信息保留值.结论 该方法有较好融合图像的能力,可适用于计算机视觉、医学、遥感等领域.

关键词：图像融合、多目标优化、粒子群、脉冲耦合神经网络、双复树小波、拉普拉斯能量绝对能量和

所属期刊栏目：21

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金项目61365001,61463052National Natural Science Foundation of China61365001,61463052

在线出版日期：2016-11-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1298-1306