资料下载
NSCT域内结合相位一致性激励PCNN多聚焦图像融合分析
分享资料个
针对传统脉冲耦合神经网络（ PCNN）无法准确提取多聚焦图像聚焦区域的问题，提出一种利用相位一致性（ PC）来检测图像清晰区域，并结合PCNN的多聚焦图像融合算法。首先，利用非下采样轮廓波变换（NSCT）对源图像进行多尺度分解，分别得到图像的高频子带和低频子带；其次，通过计算高频系数的空间频率值（ SF）与低频系数的相位一致性值来提取图像高低频子带中的聚焦区域；然后，将SF与PC作为PCNN外部激励来刺激PCNN神经元点火，分别对图像高低频系数进行融合；最后，利用逆NSCT得到最终融合图像。实验采取多聚焦图像Clock、Pepsi和Lab作为三组实验数据集，与传统融合算法及新近提出的几种算法进行对比，所提算法的客观评价参数：互信息、边缘信息度、信息熵、标准差和平均梯度的数值均大于或十分接近于对比算法的最大值；同时从实验结果图与源图像的差值图中可以发现所提算法的差值图包含源图像清晰区域的痕迹明显更少。实验结果表明所提算法能更加准确地提取出图像的清晰区域，更好地保留图像的边缘与纹理等细节信息，得到更好的融合效果。
多聚焦图像融合是图像处理领域的一个重要分支。 就目前而言，该技术已被广泛应用于计算机视觉、目标识别和人工智能等多个领域。在使用光学镜头拍摄照片时，受到光学镜头聚焦能力的限制，大多数关于同一场景的图片会出现不同的焦点，这就导致图片的某些清晰的、细节的信息只能出现在聚焦的区域中，而非聚焦区域的图像信息是不易被人眼直接观测到的 ，因此，多聚焦图像融合技术的关键在于准确提取多聚焦源图像中的有用信息，来获得张精度更高、更加清晰、更利于人眼观察的图片。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表德赢Vwin官网 网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
- 相关下载
- 相关文章
