-
题名基于HMSD与改进PCNN的红外与可见光图像融合
- 1
-
-
作者
任鹏百
雷慧云
党建武
王阳萍
刘启明
杨莉
-
机构
兰州交通大学轨道交通信息与控制国家级虚拟仿真实验教学中心
兰州交通大学电子与信息工程学院
甘肃新网通科技信息有限公司
-
出处
《光学精密工程》
北大核心
2025年第9期1481-1495,共15页
-
基金
国家自然科学基金资助项目(No.62067006,No.62367005)
高校科研创新平台重大培育项目(No.2024CXPT-17)
中央引导地方科技发展资金项目(No.24ZYQA051)。
-
文摘
为了解决红外与可见光图像在融合过程中,由于分解工具存在的信息损失和数据冗余等局限性,导致融合图像边缘和细节信息容易受损的问题,提出一种混合多尺度分解模型(Hybrid Multi-scale Decomposition Model,HMSD)与改进脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)的红外与可见光图像融合算法。首先,结合快速交替引导滤波器(Fast Alternating Guided Filtering,FAGF)与高斯滤波器(Gaussian Filter,GF)的特性,提出一种新的混合多尺度分解模型(HMSD),源图像利用HMSD模型分解为一个基础层及三层特征图,每层特征图均包含细、粗双重结构;然后,基础层融合采用核范数最小化(Nuclear Norm Minimization,NNM)融合规则,针对各特征图特性,分别采用改进脉冲耦合神经网络和区域能量融合规则。实验结果表明,本文方法在空间频率、信息熵、融合质量、峰值信噪比、视觉保真度和标准差等多种客观评价指标上分别平均提高了47.6%,5.2%,6.4%,9.4%,5.3%,27.3%,不仅较好地保留了源图像的边缘和纹理等信息,而且在视觉效果上也有所提升。
-
关键词
图像融合
红外与可见光
混合多尺度分解
快速交替引导滤波器
脉冲耦合神经网络
-
Keywords
image fusion
infrared and visible
mixed multi-scale decomposition
fast alternating guided filtering
pulse coupled neural network
-
分类号
TP394.1
[自动化与计算机技术—计算机应用技术]
TH691.9
[机械工程—机械制造及自动化]
-
