文件名称：论文研究-结合NSST与GA参数优化PCNN图像融合.pdf
文件大小：847KB
文件格式：PDF
更新时间：2022-09-26 10:02:59
论文研究
针对传统多尺度融合算法不具平移性、融合效果较差以及PCNN参数设置复杂等问题，提出了一种结合非下采样剪切波变换（NSST）与遗传算法（GA）优化脉冲耦合神经网络（PCNN）参数的图像融合方法，将融合指标（互信息[MI]、边缘信息保留度[QAB/F]、熵[EN]、空间频率[SF]、图像标准差[STD]和图像平均梯度[AG]）的最大值设为GA优化算法的目标函数，从而获得最优解对PCNN的链接强度、阈值等参数进行优化。首先利用NSST对图像进行多尺度分解，其次高频采用空间频率引导PCNN进行融合，低频采用改进拉普拉斯能量和（SML）进行融合，最后进行NSST逆变换得到最终的融合图像。根据主观评价与客观评价指标对多聚焦图像、医学图像和红外及可见光图像的融合效果进行评价分析。实验结果表明，该算法在客观评价指标上优于其他算法，有较好的融合效果。