基于SML和PCNN的NSCT域多聚焦图像融合-计算机科学.PDFVIP

Vo1. 44 No. 6 第 44 卷第6 期 计算机科学 2017 年 6 月 COMPUTER SCIENCE June2017 基于 SML 和 PCNN 的 NSCT 域多聚焦图像融合 i射秋莹易本顺柯祖福李卫中 (武汉大学电子信息学院 武汉 430072) 摘 要针对融合规则带来的虚假边缘、伪影等问题，提出了改进拉普拉斯能量和CSum-modified Laplacian ,SML)和 脉冲搞合神经网络CPulse Coupled Neural Network , PCNN) 相结合的非下采样 Contourlet 变换CNon-Sampled Con tourlet Transform ,NSCT)域融合方法。首先，采用 NSCT 将每幅源图像分解成包含基本信息的低频子带图像和多幅 包含细节信息的带通子带图像。然后，计算各尺度分解图像的 SML 佳，根据值的大小对低频子带图像各像素点进行 像素选择。对于带通子带部分，将计算的 SML 作为 PCNN 的输入激励，PCNN 输出的点火映射图用来选择各子带图 像的像素值。最后，将处理后的各子带系数进行 NSCT 重构得到融合图像。实验结果表明，此算法能很好地改善融 合图像的聚焦清晰度，并且与现有的 SIDWT， DTCWT ,NSCT 以及基于 PCNN 的融合方法相比，所提算法在互信息 量、结构相似度以及边缘信息保留量等客观指标方面得到了提高。 关键词 多聚焦图像，图像融合，SML， PCNN ,NSCT 中固法分类号 TP39 1. 41 文献标识码 A DOI 10. 11896/j. issn. 1002-137X. 2017. 06. 046 Multi-focus Image Fusion ßased on SML and PCNN in NSCT Domain XIE Qiu-ying YI Ben-shun KE Zu-fu LI Wei-zhong (Electronic Inforrnation School ,Wuhan University ,Wuhan 43007Z ,China) Abstract Aiming at the false edges and artifacts resulted by the existing fusion rules ,a new fusion method based on sum-modified Laplacian CSl\在L) and pulse coupled neural network CPCNN) in non-sampled contourlet transform CNSCT) domain was proposed. Firstly ,the source images are decomposed into low frequency sub bands which include basic information and multiple high frequency sub bands with detail information via NSCT. Then , the S鸟在L of multi- scale coefficients are calculated and used to fuse the low frequency sub-band coefficients. For the high frequency sub- band coefficients