[发明专利]基于蛇优化算法的响尾蛇仿生PCNN图像融合方法

权利要求书

1.基于蛇优化算法的响尾蛇仿生PCNN图像融合方法，其特征在于，包括：

通过ON中心型感受野模型分别对可见光源图像和红外源图像进行预处理，并提取输入的红外源图像和可见光源图像的共有信息和特有信息，将得到的红外特有信息和可见光特有信息分别作为新红外源图像和新可见光源图像；

基于响尾蛇的六种双模式细胞机制对预处理后的图像、新红外源图像和新可见光源图像进行增强，得到增强的图像特征信息；

PCNN模型对增强的图像特征信息进行融合，通过蛇优化算法对PCNN模型进行自适应调参，得到融合图像。

2.根据权利要求1所述的基于蛇优化算法的响尾蛇仿生PCNN图像融合方法，其特征在于，

ON中心型感受野模型为：

OFF中心型感受野模型为：

其中，A为常数，D为细胞基底活性，E、F为极化常数，X_k(i,j)和分别是经过ON中心型感受野和OFF中心型感受野模型的图像，感受野中心区域C_k(i,j)和感受野周边环绕区域S_k(i,j)服从高斯分布，分别为：

其中，σ_c表示中心区域空间常数，σ_s表示环绕区域空间常数，I_k(i,j)表示输入图像，i,j表示像素位置；中心区域高斯核设置为m×n，而环绕区域高斯核设置为p×q；

提取输入的红外源图像和可见光源图像的共有信息：

I_ir(i,j)∩I_v(i,j)＝min{I_ir(i,j),I_v(i,j)}

其中，I_ir(i,j)表示红外源图像，I_v(i,j)表示可见光源图像，I_ir(i,j)∩I_v(i,j)，∩取交集即取两者图像中的共有特征信息；

提取输入的红外源图像和可见光源图像的特有信息：

I_IR(i,j)＝I_ir(i,j)-I_ir(i,j)∩I_v(i,j)

I_V(i,j)＝I_v(i,j)-I_ir(i,j)∩I_v(i,j)

其中I_IR(i,j)表示红外源图像的特有特征信息，I_V(i,j)表示可见光源图像的特有特征信息。

3.根据权利要求1所述的基于蛇优化算法的响尾蛇仿生PCNN图像融合方法，其特征在于，响尾蛇的六种双模式细胞机制包括可见光增强红外细胞数学模型、可见光抑制红外细胞数学模型、红外增强可见光细胞数学模型、红外抑制可见光细胞数学模型、与细胞数学模型以及或细胞数学模型。