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

1、多聚焦圖像融合是針對(duì)同一場景中的每個(gè)不同物體分別進(jìn)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(duì)這些具有不同焦距的圖像進(jìn)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(shù)能夠?qū)Ω鲌D像中的有用信息進(jìn)行有效利用,因此被廣泛使用.
　　脈沖耦合神經(jīng)網(wǎng)絡(luò)（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(luò)模型,這種簡化模型建立

2、在貓的視覺原理基礎(chǔ)之上,與傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)模型相比,具有著不需要學(xué)習(xí)或者訓(xùn)練的特性,并且能將相關(guān)有效信息進(jìn)行復(fù)雜背景下的有效提取,在處理機(jī)制上與人類的視覺感受頗為相似.
　　本文在對(duì) PCNN模型的基本工作原理以及數(shù)學(xué)實(shí)現(xiàn)方法進(jìn)行深入分析研究的基礎(chǔ)上,對(duì)標(biāo)準(zhǔn)PCNN模型進(jìn)行簡化及改進(jìn),將單通道PCNN模型與雙通道PCNN模型相結(jié)合,根據(jù)圖像的清晰度水平選取模型中對(duì)應(yīng)神經(jīng)元的動(dòng)態(tài)鏈接強(qiáng)度以及外部刺激來進(jìn)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(gè)方面：
　?。?）研究了基于簡化型自適應(yīng)PCNN的多聚焦圖像融合算法.在對(duì)源圖像進(jìn)行分塊的基礎(chǔ)上,根據(jù) PCNN的工作原理,對(duì)其模型進(jìn)行了簡化,并選取 EOL(Eneger of Laplacian)既作為簡化 PCNN模型中對(duì)應(yīng)神經(jīng)元的鏈接強(qiáng)度又作為其外部刺激進(jìn)行圖像塊融合,最后根據(jù)融合規(guī)則獲得融合圖像.實(shí)驗(yàn)結(jié)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(jìn)型自

4、適應(yīng)PCNN的多聚焦圖像融合算法.在對(duì)源圖像進(jìn)行分塊的基礎(chǔ)上,根據(jù) PCNN的工作原理,對(duì)其模型進(jìn)行了改進(jìn),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(jìn)PCNN模型中對(duì)應(yīng)神經(jīng)元的鏈接強(qiáng)度以及外部刺激進(jìn)行圖像塊融合,最后根據(jù)融合規(guī)則獲得融合圖像.實(shí)驗(yàn)結(jié)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