基于Shearlet與改進PCNN的圖像融合方法研究.pdf

1、本文從多尺度幾何分析，尤其是Shearlet變換的角度出發(fā)，初步探討了一些基于多尺度幾何分析和脈沖耦合神經(jīng)網(wǎng)絡(luò)(PCNN)的圖像融合算法及其改進方法，并成功地將其應(yīng)用在多種圖像融合中，改進了融合效果。主要工作概括如下：
　　重點研究了具有代表性的小波變換技術(shù)在圖像融合中的應(yīng)用，結(jié)合具體的實驗，討論了不同小波分解層數(shù)和不同融合規(guī)則對融合效果的影響，分析了小波變換融合法的優(yōu)勢和局限性。
　　為提高多聚焦和多傳感器圖像融合的性能，

2、重點討論了以Shearlet變換為工具的圖像融合算法。通過多聚焦圖像融合和多傳感器圖像融合實驗，與基于小波變換和Contourlet變換的圖像融合方法進行比較，詳細分析了實驗結(jié)果。
　　重點研究了PCNN原理，探討了PCNN與多尺度方向變換方法相結(jié)合的有效途徑，提出了一種新的基于Shearlet變換和改進PCNN的圖像融合算法。新算法充分利用了Shearlet變換的各向異性、多方向性和平移不變性，結(jié)合了PCNN的全局耦合特性，利用