基于脈沖耦合神經(jīng)網(wǎng)絡的多聚焦圖像融合算法研究.pdf

1、多聚焦圖像融合是針對同一場景中的每個不同物體分別進行聚焦,獲得多幅使該場景中每一物體均清晰的不同焦距圖像,然后對這些具有不同焦距的圖像進行清晰區(qū)域提取,從而獲得包括該場景中所有清晰物體在內(nèi)的圖像的過程.由于這一技術能夠?qū)Ω鲌D像中的有用信息進行有效利用,因此被廣泛使用.
　　脈沖耦合神經(jīng)網(wǎng)絡（pulse couple neural network,PCNN）是在1990年后被Eckhorn提出的一種簡化神經(jīng)網(wǎng)絡模型,這種簡化模型建立

2、在貓的視覺原理基礎之上,與傳統(tǒng)的神經(jīng)網(wǎng)絡模型相比,具有著不需要學習或者訓練的特性,并且能將相關有效信息進行復雜背景下的有效提取,在處理機制上與人類的視覺感受頗為相似.
　　本文在對 PCNN模型的基本工作原理以及數(shù)學實現(xiàn)方法進行深入分析研究的基礎上,對標準PCNN模型進行簡化及改進,將單通道PCNN模型與雙通道PCNN模型相結合,根據(jù)圖像的清晰度水平選取模型中對應神經(jīng)元的動態(tài)鏈接強度以及外部刺激來進行多聚焦圖像融合.
　　本

3、文所做的研究工作主要包括以下幾個方面：
　　（1）研究了基于簡化型自適應PCNN的多聚焦圖像融合算法.在對源圖像進行分塊的基礎上,根據(jù) PCNN的工作原理,對其模型進行了簡化,并選取 EOL(Eneger of Laplacian)既作為簡化 PCNN模型中對應神經(jīng)元的鏈接強度又作為其外部刺激進行圖像塊融合,最后根據(jù)融合規(guī)則獲得融合圖像.實驗結果表明,這種算法比傳統(tǒng)多種算法獲得了更好的融合效果.
　?。?）研究了基于改進型自

4、適應PCNN的多聚焦圖像融合算法.在對源圖像進行分塊的基礎上,根據(jù) PCNN的工作原理,對其模型進行了改進,不僅簡化模型參數(shù),而且將硬限幅函數(shù)改為軟限幅函數(shù),并選取 SML(sum-modified-Laplacian),EOL分別作為改進PCNN模型中對應神經(jīng)元的鏈接強度以及外部刺激進行圖像塊融合,最后根據(jù)融合規(guī)則獲得融合圖像.實驗結果表明,這種算法比傳統(tǒng)多種算法獲得了更好的融合效果.
　?。?）研究了基于PCNN二次融合的多聚