[发明专利]基于多通道机制的脉冲耦合图像融合方法

说明书

本发明涉及图像处理技术领域，提供了一种基于多通道机制的脉冲耦合图像融合方法，包括以下步骤:S1、建立多通道脉冲耦合神经网络模型结构，并对各个通道的输入图像矩阵进行归一化后，输入所述多通道脉冲耦合神经网络模型结构中；S2、计算各个通道链路权重β_ij^α的值，并将计算得到的链路权重输入多通道脉冲耦合神经网络模型结构中；S3、在融合池中进行融合计算，得到内部输出量U_ij[m]；S4、进行迭代计算，生成脉冲点火矩阵Y_ij[m]；S5、将脉冲点火矩阵Y_ij[m]作为融合图像的灰度矩阵，生成融合图像并输出融合结果。本发明可以提高融合效果和效率，可以广泛应用于图像融合领域。

技术领域

本发明涉及图像处理技术领域，具体涉及一种基于多通道机制的脉冲耦合图像融合方法。

背景技术

基于脉冲耦合神经网络模型的图像融合方法虽已被有效地应用于多个方面。但当前的研究仅局限于双通道脉冲耦合神经网络图像融合模型，伴随着应用的不断发展，上述方法都依然面临着一些共同的局限性。伴随着科技不断进步和社会的发展，在众多领域中需要将多张图像融合为一张包含更多信息、更加清晰的图像。目前在脉冲耦合神经网络模型领域内解决这一问题的具体作法是以双通道模型为依据，先将两幅图像融合，再将融合图像与第三、四……幅图像依次融合，直到得到最终的融合图像。双通道脉冲耦合神经网络是在原始脉冲耦合神经网络模型中将反馈输入域和连接输入域作为平等的两个分支，分别输入、刺激、反馈，产生一系列的点火迭代过程。具体来讲，双通道脉冲耦合神经网络模型由树突状树、信息融合池和脉冲产生器三部分构成。其中树突状树的主要功能是接受外部刺激和内部神经元刺激，信息融合池是所有数据融合的地方，脉冲产生器主要功能是产生外部脉冲。

根据上述策略来实现多幅图像的融合存在以下几个问题。

(1)多幅图像按照怎样的顺序进行融合很难确定，而且不同的融合顺序会导致最终融合结果的差异。实验研究发现多张图像的不同融合顺序会对融合结果造成较大的影响。特别是前几张图像的选择至关重要，如果起始阶段融合的结果不理想，将给最终融合结果带来很大不利影响。

(2)由于需要反复调用双通道模型，导致要付出较大的时间代价。

(3)两幅图像进行融合过程中，在计算链接权重信息时是根据目前的两幅图像情况来确定，由于缺乏全局性，并不能照顾到所有图像的情况，会造成某些有价值信息的损失。

因此，有必要提出一种更加合理的脉冲耦合图像融合方法。

发明内容

为适应图像处理领域的实际需求，本发明克服现有技术存在的不足，所要解决的技术问题为提供一种多通道脉冲耦合神经网络图像融合方法，以便于更好地适用于多张图像同步融合的情况。

为了解决上述技术问题，本发明采用的技术方案为：一种基于多通道机制的脉冲耦合图像融合方法，包括以下步骤:

S1、建立多通道脉冲耦合神经网络模型结构，并对各个通道的输入图像矩阵进行归一化后，输入所述多通道脉冲耦合神经网络模型结构中；

S2、计算各个通道链路权重β_ij^α的值，并将计算得到的链路权重输入多通道脉冲耦合神经网络模型结构中；

S3、在融合池中进行融合计算，得到内部输出量U_ij[m]；

S4、进行迭代计算，生成脉冲点火矩阵Y_ij[m]；

S5、将脉冲点火矩阵Y_ij[m]作为融合图像的灰度矩阵，生成融合图像并输出融合结果；

所述步骤S2中，各个通道链路权重的计算公式为：