收藏本站
《华北电力大学》 2015年
收藏 | 手机打开
二维码
手机客户端打开本文

基于PCNN的图像融合方法的研究

于海慧  
【摘要】:脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)是一种基于生物背景的神经网络。作为第三代人工神经网络,PCNN在图像处理领域有着非常广泛的应用,主要应用于图像去噪、图像分割、图像增强等。由于PCNN更接近于生物神经网络,使得其具有传统神经网络所没有的特性,如脉冲发放同步、变阈值、波的形成与传播等特性,这些特性可以很好的应用于图像处理这为本文在图像融合技术中使用脉冲耦合神经网络提供了理论意义和支持。本文首先介绍PCNN模型的基本原理,详细阐述其运行方式;再对PCNN的特性进行分析,探讨该模型在图像处理方面的应用方式及其优势;通过论述PCNN的特点,可知将多尺度下的非采样Contourlet变换(Nonsubsampled Contourlet Transform,NSCT)与PCNN相结合的融合算法,其应用价值更大。相对于传统的小波变换、离散小波变换、脊波变换,具有平移不变性的非采样Contourlet变换,在处理图像融合方面更理想。本文对NSCT变换的理论知识进行介绍说明,又针对其组成部分依次详细论述,在此基础上,总结出NSCT的诸多优良特性特征,表明该变换在图像处理方面的明显优势。本文的图像融合是在对传统PCNN和NSCT结合的基础上改进实现的。将源图像进行NSCT变换处理,判断二者的聚焦情况:(1)对二者聚焦均清晰/均模糊的区域按能量系数加权处理;(2)对二者聚焦清晰/模糊情况相反的区域,以区域方差作为低频子带融合系数的选取规则,高频子带融合系数的选取规则为,采用区域方差作为低频子带融合系数的选取规则,将清晰度和区域能量分别作为PCNN的外界输入和链接强度;然后经过NSCT逆变换,得到最终的融合结果。将NSCT的平移不变性与PCNN的全局耦合脉冲同步特性进行结合,提出一种基于双通道PCNN与NSCT结合的图像融合方法。NSML代表在NSCT域低频子图的边缘特征,并用于激励自适应PCNN神经元。高频子带部分则将NSCT分解后的空间频率作为PCNN的外部输入。经过大量的实验,对融合性能进行评估,结果表明,不论是从视觉质量还是通过客观的评价本文提出的方案均优于小波与PCNN,NSCT与PCNN融合方法,具有现实意义。
【学位授予单位】:华北电力大学
【学位级别】:硕士
【学位授予年份】:2015
【分类号】:TP391.41

手机知网App
【相似文献】
中国期刊全文数据库 前10条
1 邹文洁;;基于PCNN神经网络的图像去噪算法研究[J];计算机仿真;2008年08期
2 齐永锋;火元莲;张家树;;基于简化的PCNN与类内最小离散度的图像自动分割方法[J];光电子.激光;2008年09期
3 王念一;马义德;绽琨;;PCNN理论研究进展及其语音识别中的应用[J];自动化与仪器仪表;2013年01期
4 钟亚平;;基于PCNN的手腕骨图像自动分割方法研究[J];软件导刊;2013年07期
5 顾晓东,郭仕德,余道衡;一种基于PCNN的图像去噪新方法[J];电子与信息学报;2002年10期
6 赵峙江;赵春晖;张志宏;;一种新的PCNN模型参数估算方法[J];电子学报;2007年05期
7 火元莲;;一种基于PCNN的图像自动分割方法[J];自动化与仪器仪表;2008年06期
8 李敏;蔡骋;谈正;;基于修正PCNN的多传感器图像融合方法[J];中国图象图形学报;2008年02期
9 刘勍;马义德;;一种基于PCNN赋时矩阵的图像去噪新算法[J];电子与信息学报;2008年08期
10 崔世林;田斐;;基于点火频率的两层PCNN参数研究及其应用[J];陕西理工学院学报(自然科学版);2008年04期
中国重要会议论文全文数据库 前10条
1 辛保军;张讲社;;基于自动波现象的PCNN模型及其应用[A];第九届全国光电技术学术交流会论文集(下册)[C];2010年
2 周一;陈义宗;;有限发散脉冲波PCNN及其应用[A];2009通信理论与技术新发展——第十四届全国青年通信学术会议论文集[C];2009年
3 谭颖芳;聂仁灿;周冬明;赵东风;;基于PCNN和最大相关准则的图像分割[A];2007'仪表,自动化及先进集成技术大会论文集(一)[C];2007年
4 赵仕杰;柏正尧;李德俭;姚娜;王威廉;;基于PCNN简化模型ICM的先天性心脏病心音特征提取分析研究[A];中国仪器仪表学会第十一届青年学术会议论文集[C];2009年
5 蒲蓬;王卫星;;基于改进的PCNN的菌落图像分割方法[A];2008'中国信息技术与应用学术论坛论文集(一)[C];2008年
6 马义德;齐春亮;钱志柏;史飞;陈娜;;基于PCNN的不规则分割区域压缩编码[A];第十二届全国图象图形学学术会议论文集[C];2005年
7 赵仕杰;柏正尧;姚娜;李德俭;;基于简化PCNN模型及信息熵最大准则的生物细胞图像分割[A];中国仪器仪表学会第十一届青年学术会议论文集[C];2009年
8 李钢;王雷;张仁斌;;基于非采样Contourlet变换与简化PCNN的图像融合[A];2009全国虚拟仪器大会论文集(二)[C];2009年
9 李德俭;柏正尧;姚娜;赵仕杰;;一种基于PCNN和C均值算法的图像分割方法[A];中国仪器仪表学会第十一届青年学术会议论文集[C];2009年
10 葛雯;高立群;;基于自适应链接强度PCNN的多分辨率图像融合算法[A];2008’“先进集成技术”院士论坛暨第二届仪表、自动化与先进集成技术大会论文集[C];2008年
中国博士学位论文全文数据库 前10条
1 何水明;PCNN在图像处理中的若干问题研究[D];中国地质大学;2014年
2 邓翔宇;PCNN机理研究及其在图像处理中的参数自适应设置[D];兰州大学;2013年
3 李小军;PCNN改进模型及其在不变纹理检索和最短路径求解中应用[D];兰州大学;2012年
4 李海燕;脉冲耦合神经网络及其在图像增强与人脸检测中的应用研究[D];云南大学;2010年
5 聂仁灿;脉冲耦合神经网络关键特性的理论分析及应用研究[D];云南大学;2013年
6 王成;基于脉冲耦合神经网络的感兴趣区图像检测方法及应用[D];华南理工大学;2010年
7 张红娟;基于PCNN的图像去噪和图像增强方法研究[D];兰州大学;2011年
8 李建锋;脉冲耦合神经网络在图像处理中的应用研究[D];中南大学;2013年
9 黎曦;脉冲耦合神经网络在智能交通系统中的应用技术研究[D];武汉大学;2014年
10 刘勍;基于脉冲耦合神经网络的图像处理若干问题研究[D];西安电子科技大学;2011年
中国硕士学位论文全文数据库 前10条
1 田中佳;基于压缩感知去模糊PCNN图像融合算法研究[D];燕山大学;2015年
2 张旦;基于自适应PCNN模型的图像处理[D];山东大学;2015年
3 韩有振;基于PCNN的视觉特征捆绑方法研究[D];中国矿业大学;2015年
4 陈世洋;PCNN模型改进及参数调整研究[D];河北工业大学;2015年
5 于海慧;基于PCNN的图像融合方法的研究[D];华北电力大学;2015年
6 赵勇;基于PCNN的医学图像分割算法研究[D];太原科技大学;2009年
7 王新;PCNN混沌特性与硬件实现研究[D];兰州大学;2010年
8 施展;基于克隆选择算法的PCNN关键参数自动设定算法研究[D];哈尔滨工程大学;2009年
9 徐涛;基于形态学增强的PCNN金相图分割[D];武汉科技大学;2010年
10 谷兵;基于PCNN的迷宫路径优化技术研究[D];湖南师范大学;2012年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026