基于双树复小波变换的自适应PCNN图像融合算法

杜进楷, 陈世国

杜进楷, 陈世国. 基于双树复小波变换的自适应PCNN图像融合算法[J]. 红外技术, 2018, 40(10): 1002-1007.
引用本文: 杜进楷, 陈世国. 基于双树复小波变换的自适应PCNN图像融合算法[J]. 红外技术, 2018, 40(10): 1002-1007.
DU Jinkai, CHEN Shiguo. Adaptive PCNN Image Fusion Algorithm Based on Double Tree Complex Wavelet Transform[J]. Infrared Technology , 2018, 40(10): 1002-1007.
Citation: DU Jinkai, CHEN Shiguo. Adaptive PCNN Image Fusion Algorithm Based on Double Tree Complex Wavelet Transform[J]. Infrared Technology , 2018, 40(10): 1002-1007.

基于双树复小波变换的自适应PCNN图像融合算法

基金项目: 贵州省自然科学基金(11904/0502210Y0012)
详细信息
  • 中图分类号: TP302

Adaptive PCNN Image Fusion Algorithm Based on Double Tree Complex Wavelet Transform

  • 摘要: 本文针对传统离散小波变换(DWT)在图像融合中细节丢失的问题,提出了一种基于双树复小波变换(DT-CWT)的低频域区域能量取大和高频域自适应脉冲耦合神经网络(PCNN)图像融合算法(简称DC-SA-PCNN).实验结果显示,采用同样的融合规则,DT-CWT融合图像的互信息量MI、边缘保持度QAB/F、融合积MQ=MI×QAB/F均高于DWT融合图像,基于自适应PCNN算法获得的融合图像具有更优的MI、QAB/F、MQ指标.结果表明,DC-SA-PCNN算法有效地综合了红外图像和可见光图像中的信息,融合图像更加全面地携带了源图像中的有效信息特征.
  • 期刊类型引用(6)

    1. 姜迈,沙贵君,李宁. 基于PUCS与DTCWT的红外与弱可见光图像融合. 红外技术. 2022(07): 716-725 . 本站查看
    2. 蔡贇,王真理,梁瑶,张舒扬,陈桂廷,刘净余. 双树复小波变换在时移微重力监测上的应用——以辽河油田SAGD区为例. 地球物理学进展. 2021(02): 549-558 . 百度学术
    3. 邢义通,周鸿博,李志鹏,张玉皓,胡志芳. 阶次跟踪和双树复小波的轴承在非稳定运行时的故障诊断研究. 机械科学与技术. 2020(03): 361-366 . 百度学术
    4. 潘丽峰. 图像压缩感知融合技术探究. 电脑知识与技术. 2020(35): 202-203 . 百度学术
    5. 刘占伟,李华,赵志凯. 有限离散剪切波域的多聚焦图像融合算法. 电光与控制. 2019(10): 49-53+105 . 百度学术
    6. 高少忠,沈小林. DT-CWT优化边缘特征和自适应PCNN的图像融合. 电子测量与仪器学报. 2019(09): 114-120 . 百度学术

    其他类型引用(8)

计量
  • 文章访问数:  136
  • HTML全文浏览量:  7
  • PDF下载量:  11
  • 被引次数: 14
出版历程

目录

    /

    返回文章
    返回