CN106981059-CN201710201699-结合PCNN和压缩感知的二维经验模态分解图像融合方法.pdfVIP

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 106981059 A (43)申请公布日 2017.07.25 (21)申请号 201710201699.1 (22)申请日 2017.03.30 (71)申请人 中国矿业大学 地址 221116 江苏省徐州市泉山区大学路1 号中国矿业大学 (72)发明人 丁世飞　朱强波　曾凯　 (51)Int.Cl. G06T 5/50(2006.01) 权利要求书2页 说明书6页 附图3页 (54)发明名称 像融合结果。 结合PCNN和压缩感知的二维经验模态分解 图像融合方法 (57)摘要 本发明公开了一种结合PCNN和压缩感知的 二维经验模态分解图像融合方法。它对输入的源 图像进行多尺度二维经验模态分解后得到多个 二维内蕴模式函数(Bidimensional Intrinsic  Mode Function,BIMFs)和一个趋势图像。再对二 维内蕴模函数层采用结合PCNN和压缩感知的融 合方法确定融合系数，趋势图像层采用基于图像 熵权重的方法确定融合系数。最后通过二维经验 模态分解的逆变换得到融合结果图像。压缩感知 技术应用在计算较为复杂的二维内蕴模函数层 中，对得到的二维内蕴模函数融合系数进行压缩 A 测量后得到测量采样系数，再将测量采样系数输 9 入PCNN模型，而不像大多数基于PCNN算法将源图 5 0 1 像的像素灰度值作为模型输入项。本发明方法能 8 9 6 够很好的运用于图像融合领域中，不论从客观评 0 1 N 价指标还是主观视觉效果，实验研究结果表明本 C 发明方法能够得到更加符合人眼视觉规律的图 CN 106981059 A 权　利　要　求　书 1/2页 1.一种结合PCNN和压缩感知的二维经验模态分解图像融合方法其特征在于，对源图像 进行多尺度二维经验模态分解后，得到多个二维内蕴模式函数(Bidimensional  Intrinsic  Mode Function,BIMFs)和一个趋势图像，对二维内蕴模函数层采用结合PCNN和压缩感知的 方法确定融合系数，趋势图像层采用基于图像熵权重的方法确定融合系数，最后通过二维 经验模态分解逆变换对融合系数逆变换处理得到融合图像。 2.根据权利要求1，本发明方法包含以下具体步骤： (1)在对同一场景的源图像进行配准的预处理基础上，分别对源图像I和I 进行多尺度 A B 二维经验模态分解变换，两源图像都分解为4幅不同频率尺度的二维内蕴模函数图像和一 幅趋势图像； (2)对趋势图像I 和I 采用基于图像熵权重的方法得到融合后的趋势图像系数 A-res B-res I ，图像熵包含了图像信息量的大小，也是图像特性的表现形式，图像熵的计算公式如 F-res 下： H(p)＝-P *log P -P*log P 1 2 1 0 2 0 式中P和P分别表示趋势图像中像素为0和1的概率； 0 1 本专利分别求得两趋势图像的图像熵H (p)和H (p)，按照两值的权重求得趋势图像融 A B 合系数I ： F-res (3)对每一层的二维内蕴模式函数BIMFA和BIMFB ，结合