一種基于改進(jìn)模型的pcnn多源圖像融合方法
【專(zhuān)利摘要】本發(fā)明涉及一種基于改進(jìn)模型的PCNN多源圖像融合方法。改進(jìn)內(nèi)容有：PCNN中各神經(jīng)元的反饋輸入只接收外部刺激輸入；鏈接域中各參數(shù)的取值對(duì)所有神經(jīng)元都相同；變閾值函數(shù)中各參數(shù)的取值對(duì)所有神經(jīng)元都相同；引入閾值查找表和索引圖，閾值查找表記錄了與網(wǎng)絡(luò)運(yùn)行次數(shù)對(duì)應(yīng)的閾值，這些閾值可以在網(wǎng)絡(luò)運(yùn)行前預(yù)先計(jì)算得到，避免了網(wǎng)絡(luò)運(yùn)行中的指數(shù)運(yùn)算，加速了網(wǎng)絡(luò)的運(yùn)行。索引圖記錄了全部像素的點(diǎn)火時(shí)間，是輸入圖像中空間相鄰的相似像素的整合結(jié)果，體現(xiàn)的是輸入圖像的整體視覺(jué)特征。本發(fā)明引入了記錄全部像素的點(diǎn)火時(shí)間的索引圖和記錄與網(wǎng)絡(luò)運(yùn)行次數(shù)對(duì)應(yīng)的閾值查找表，采用了基于索引圖的融合規(guī)則，取得了比傳統(tǒng)的小波變換融合方法更好的效果。
【專(zhuān)利說(shuō)明】一種基于改進(jìn)模型的PCNN多源圖像融合方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種基于改進(jìn)模型的PCNN多源圖像融合方法，特別是涉及一種適合于可見(jiàn)光、中波和長(zhǎng)波紅外三個(gè)波段同時(shí)融合的基于改進(jìn)模型的PCNN多源圖像融合方法。
【背景技術(shù)】
[0002]人工神經(jīng)網(wǎng)絡(luò)是一種試圖仿效生物神經(jīng)系統(tǒng)信息處理方式的新型計(jì)算處理模型。一個(gè)神經(jīng)網(wǎng)絡(luò)由多層處理單元或節(jié)點(diǎn)組成，可以采用各種方法進(jìn)行互聯(lián)。有些學(xué)者己經(jīng)應(yīng)用人工神經(jīng)網(wǎng)絡(luò)來(lái)進(jìn)行多源圖像融合。目前，神經(jīng)網(wǎng)絡(luò)在圖像融合中的應(yīng)用主要有:雙模態(tài)神經(jīng)兀網(wǎng)絡(luò)(Bimodal Neurons),多層感知器(Mult1-layered Perceptron)和脈沖稱(chēng)合神經(jīng)網(wǎng)絡(luò)(Pulse-coupled Neural Network, PCNN)等。其中PCNN是近年來(lái)提出的一種新型神經(jīng)網(wǎng)絡(luò)，國(guó)際上稱(chēng)之為第三代人工神經(jīng)網(wǎng)絡(luò)。
[0003]1981年，E.A.Newman, P.H.Hartline等提出了 6種不同類(lèi)型的雙模態(tài)神經(jīng)兀(包括 AND, OR, Visible-Enhanced Infrared, Visible-Suppressed-1nfrared,Infrared-Enhanced-Visible 和 Infrared-Suppressed-Visible)用于可見(jiàn)光和紅外圖像的融合。1995年,Fechner和Godlewski提出了基于多層感知器神經(jīng)網(wǎng)絡(luò)的圖像融合方法。通過(guò)訓(xùn)練多層感知器識(shí)別前視紅外圖像中感興趣的像素，將其融入可見(jiàn)光圖像中。從20世紀(jì)90年代開(kāi)始，由Eckhorn等對(duì)貓、猴的視覺(jué)皮層神經(jīng)脈沖串同步振蕩現(xiàn)象的研究，得到了哺乳動(dòng)物神經(jīng)元模型，并由此發(fā)展形成了脈沖耦合神經(jīng)網(wǎng)絡(luò)模型。該模型具有對(duì)圖像二維空間相似、灰度相似的像素進(jìn)行分組的特點(diǎn)，并能減小圖像局部灰度差值，彌補(bǔ)圖像局部微小間斷。1999年，BrocssardR.P.等論證了 PCNN神經(jīng)元的點(diǎn)火頻率與圖像灰度的關(guān)系，證實(shí)了 PCNN用于圖像融合的可行性?；谠撃Ｐ?，相關(guān)學(xué)者提出了各種改進(jìn)模型，并將其用于各種圖像的融合。
[0004]目前，基于PCNN的圖像融合方法研究主要集中以下幾個(gè)方面:
[0005]網(wǎng)絡(luò)參數(shù)的自動(dòng)化選取:由于PCNN網(wǎng)絡(luò)涉及的參數(shù)較多，并且不同參數(shù)值都會(huì)影響最終的處理結(jié)果。通過(guò)輔助方法自動(dòng)計(jì)算PCNN網(wǎng)絡(luò)中的關(guān)鍵參數(shù)，可以取得更好的處理結(jié)果。
[0006]對(duì)PCNN基本模型的改進(jìn):根據(jù)實(shí)現(xiàn)功能，處理對(duì)象以及思維方式的不同，不同研究者先后提出了不同的改進(jìn)模型。
[0007]因此亟需提供一種新型的基于改進(jìn)模型的PCNN多源圖像融合方法。

【發(fā)明內(nèi)容】

[0008]本發(fā)明要解決的技術(shù)問(wèn)題是提供一種提高多源圖像融合效果，使融合后圖像目標(biāo)特征更明顯、更有利于目標(biāo)辨識(shí)的基于改進(jìn)模型的PCNN多源圖像融合方法。
[0009]為解決上述技術(shù)問(wèn)題，本發(fā)明一種基于改進(jìn)模型的PCNN多源圖像融合方法，依次包括以下步驟:
[0010]步驟一、對(duì)輸入的三幅原始圖像A、B和C在空間上進(jìn)行像素級(jí)配準(zhǔn)，保證三幅圖像大小均為XXY ；
[0011]步驟二、設(shè)定網(wǎng)絡(luò)參數(shù)H β，Ve，α 0和At的值；
[0012]'和Ve分別為Ι^_[η]和θ ^.[n]中的固有電勢(shì)，Θ [η]為動(dòng)態(tài)門(mén)限值，Lij[η]為線性連接輸入；
[0013]α 0為Θ [η]的衰減時(shí)間常數(shù)；At為時(shí)間采樣間隔；β為突觸之間連接強(qiáng)度常數(shù)；Yu[n]為PCNN脈沖輸出；Ykl[n-l]為PCNN上一次脈沖輸出；內(nèi)部連接矩陣W中的Wijkl對(duì)應(yīng)Lij [η]中Ykl [η-1]的加權(quán)系數(shù)；n為網(wǎng)絡(luò)的運(yùn)行次數(shù)，η = 1，2，...，N-1，N，N為最大運(yùn)行次數(shù)；
[0014]步驟三、在每幅輸入圖像中查找Sijmax、Sijfflin Jfflax <Ve, Sijfflin > O ；
[0015]步驟四、得到網(wǎng)絡(luò)最大運(yùn)行次數(shù)N和閾值查找表LT(s)，s為L(zhǎng)T(S)的函數(shù)變量；
[0016]
【權(quán)利要求】
1.一種基于改進(jìn)模型的PCNN多源圖像融合方法，依次包括以下步驟: 步驟一、對(duì)輸入的三幅原始圖像A、B和C在空間上進(jìn)行像素級(jí)配準(zhǔn)，保證三幅圖像大小均為XXY ; 步驟二、設(shè)定網(wǎng)絡(luò)參數(shù)W，八，β , V0, α 0和At的值； '和Ve分別為L(zhǎng)u[n]和0u[n]中的固有電勢(shì)，0u[n]為動(dòng)態(tài)門(mén)限值，Lu[n]為線性連接輸入； a e為Θ [η]的衰減時(shí)間常數(shù)；At為時(shí)間采樣間隔；β為突觸之間連接強(qiáng)度常數(shù)；Yij [η]為PCNN脈沖輸出；Ykl[n-l]為PCNN上一次脈沖輸出；內(nèi)部連接矩陣W中的Wukl對(duì)應(yīng)Lij [η]中Ykl [η-1]的加權(quán)系數(shù)； η為網(wǎng)絡(luò)的運(yùn)行次數(shù)，η = 1,2,..., Ν-1, N, N為最大運(yùn)行次數(shù)； 步驟三、在每幅輸入圖像中查找^ij_max'' j_min ?j_max〈 Υθ，Sjj—min〉O ；

步驟四、得到網(wǎng)絡(luò)最大運(yùn)行次數(shù)N和閾值查找表LT(s)，s為L(zhǎng)T(S)的函數(shù)變量；
2.根據(jù)權(quán)利要求1所述的一種基于改進(jìn)模型的PCNN多源圖像融合方法，其特征在于:所述步驟二中，保證樹(shù)突的反饋輸入Fijn]只接收外部輸入刺激信號(hào)Sij ;保證W、\、β、Ve、α θ和At的取值對(duì)所有神經(jīng)元都相同。
3.根據(jù)權(quán)利要求1所述的一種基于改進(jìn)模型的PCNN多源圖像融合方法，其特征在于:e=2。
4.根據(jù)權(quán)利要求1所述的一種基于改進(jìn)模型的PCNN多源圖像融合方法，其特征在于:三幅原始圖像A、B和C分別為`可見(jiàn)光、中波紅外和長(zhǎng)波紅外圖像。
【文檔編號(hào)】G06T5/50GK103679670SQ201210362080
【公開(kāi)日】2014年3月26日 申請(qǐng)日期:2012年9月25日 優(yōu)先權(quán)日:2012年9月25日
【發(fā)明者】宋亞軍, 朱振福 申請(qǐng)人:中國(guó)航天科工集團(tuán)第二研究院二〇七所