[发明专利]基于多尺度变换与脉冲耦合神经网络的图像融合方法

权利要求书

1.一种基于多尺度变换与脉冲耦合神经网络的图像融合方法，其特征在于包括以下步骤：

A.取同一场景下同一时刻的可见光图像I_VI与红外图像I_IR；

B.对I_VI与I_VI进行配准，以红外图像为基准，将可见光图像与其对齐，得到对齐的可见光图像AI_VI；

C.通过多尺度变换与脉冲耦合神经网络对图像AI_VI与I_IR进行融合，其图像融合过程如下步骤：

C1.将图像AI_VI进行非下采样剪切波变换NSST得到高频子带HAI_VI与低频子带LAI_VI，将图像I_IR进行NSST变换得到高频子带HI_IR与低频子带LI_IR；

C2.采用快速引导滤波算法将图像AI_VI与I_IR分别进行显著性检测，通过S_I(x，y)＝||I_μ-I_FT(x，y)||₂可获得AI_VI的显著性特征和I_IR的显著性特征，通过对S_I(x，y)进行归一化处理，然后通过对S_map(x，y)进行对比度拉伸变换，获取图像AI_VI的显著性特征权重系数S_VI(x，y)和I_IR的显著性特征权重系数S_IR(x，y)，其中(x，y)为图像像素位置坐标，I_μ为输入图像的像素均值，I_FT(x，y)为输入图像经快速引导滤波后在(x，y)处的像素值，||·|||₂为L2范数，minS_I与maxS_I为显著特征S_I(x，y)最小灰度值和最大灰度值，t与为常数，t∈[0，1]，

C3.通过S_VI(x，y)和S_IR(x，y)对NSST变换后的低频子带LAI_VI、LI_IR进行加权融合，通过LF(x，y)＝ω₁(x，y)×LAI_VI(x，y)+ω₂(x，y)×LI_IR(x，y)，ω₁(x，y)+ω₂(x，y)＝1可得融合的低频子带LF(x，y)，融合系数为其中ω₁(x，y)、ω₂(x，y)为融合低频子带LF(x，y)的系数；

C4.利用自适应脉冲耦合神经网络PA-PCNN对NSST变换后的高频子带HAI_VI与HI_IR的进行加权融合，通过可得融合高频子带HF(x，y)，其中T_VI和T_IR为输入HAI_VI与HI_IR在PA-PCNN网络中的点火次数，ε为PA-PCNN网络中点火次数差的阈值，然后对融合子带信息HF(x，y)和LF(x，y)进行逆NSST变换可以获得显著性特征明显且边缘信息丰富的融合图像。