基于复合激励模型的Surfacelet域多聚焦图像融合方法.pdfVIP

基于复合激励模型的Surfacelet域多聚焦图像融合方法.pdf

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
光电工程

第40卷第5期 光 电工程 Vb1.40.NO.5 2013年 5月 Opto—ElectronicEngineering M ay,2013 文章编号:1003—501X(2013)05—0088—09 基于复合激励模型的Surfacelet 域多聚焦图像融合方法 张宝华,吕晓琪,张传亭 (内蒙古科技大学 信息学院,内蒙 包头 014010) 摘要:针对基于传统多尺度分析对图像分解得到的方向子带数量较少,抑制噪声能力弱,融合图像边缘连贯性不 好的缺点,本文提 出一种基于 Surfacelet变换和复合激励模型的多聚焦图像融合方法。通过分别将两幅图像经 Surfacelet变换后得到若干不同频带子图像,该方法根据低频子带和高频子带的特点,建立复合激励模型,即分别 把改进的拉普拉斯能量和与空间频率作为复合型PCNN的外部激励,采用复合型PCNN优选融合系数,改善融合 效果。获取的融合图像的灰度级分布更加分散,图像纹理连贯,细节突出。实验结果表明,该算法克服传统多聚 焦图像融合方法的缺陷,客观评价指标显示本方法优于Laplace、DWT和PCA等传统图像融合方法。 关键词:复合激励;Surfacelet;改进的拉普拉斯能量和;空间频率;多聚焦图像融合 中图分类号:TP391.41 文献标志码:A d0i:10.3969~.issn.1003—501X.2013.05.013 M ulti-focusImageFusionAlgorithm BasedonComposite IncentiveM odelinSurfaceletDomain ZHANG Baohua,LUXiaoqi,ZHANGChuanting (SchoolofinformationEngineering,InnerMongoliaUniversityofScienceandTechnology, Baotou014010,lnnerMongolia,China) Abstract:Accordingtotheabilityoflimiteddecompositiondirectionalsubbandanddifficulttosuppressnoisebasedon thetraditionalmulti—scaleanalysis,amulti-focusimagefusionmethodbasedonSurfacelettransform andcomposite incentivemodelisproposed.Originalimagesaredecomposedby Surfacelettransfomr toobtainanumberofdifferent rfequency band sub—images.A compositeincentivemodelisbuiltbasedonthecharacteristicsofthelow rfequency sub—bandandhigh-frequencysub—bandcoefficients,namelyimproved-sum—modified-Laplacianandspatialrfequencyare selectedasexternalstimulusofcompoundPCNN .Fusioncoefficientsarepreferredbycompoun dPCNN andtheresults areimproved.Theexperimentalresultsshow

文档评论(0)

fengbing + 关注
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档