[发明专利]基于蛇优化算法的响尾蛇仿生PCNN图像融合方法

说明书

本发明公开了一种基于蛇优化算法的响尾蛇仿生PCNN图像融合方法，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。本发明可以得到更多的特征信息，提高了图像融合效果。

技术领域

本发明涉及仿生红外光与可见光图像融合技术领域，更具体的说是涉及基于蛇优化算法的响尾蛇仿生PCNN图像融合方法。

背景技术

图像融合是指通过一定的算法，将不同传感器获得的多种图像综合，生成一张新的特征信息互补的融合图像。生成的融合图像同时拥有多张源图像的特征信息，使得图像的场景内容有了更全面的补充，从而更有利于人眼的识别和机器的探测，因此图像融合技术是计算机视觉中的一项重要应用。并且根据传感器的类型不同或者镜头聚焦区域的不同，图像融合的研究领域也各有不同，例如多聚焦图像融合，多模态图像融合等。其中的多聚焦图像融合，是针对同一场景下拍摄时聚焦的区域不同的图像，将聚焦区域不同的图像同合成一幅场景内容全清晰的图像。多模态图像融合则是针对不同类型传感器设备得到的图像，例如磁共振成像(MRI)的医学图像，红外图像和可见光图像等。针对多模态图像融合终端红外图像与可见光图像的融合方法又分为仿生方法与非仿生方法，本发明属于仿生红外光与可见光图像融合领域。

针对仿生领域的图像融合技术，部分学者以响尾蛇为研究对象模拟其视觉成像机制，例如A.M.Waxman等人根据响尾蛇视觉成像的工作原理以及建立的视觉感受野模型，提出了可见光和红外图像融合的经典模型，该经典融合结构是由ON/OFF中心感受野组成。目前所提出的基于响尾蛇的仿生图像融合模型都是使源图像经过建立的响尾蛇模型处理后输出三幅图像产生伪彩色融合图像，但是有一些生成的伪彩色融合图像的融合效果与视觉效果并不是非常理想。

因此，本专利的目的是提出一种基于响尾蛇仿生的PCNN图像融合模型，先通过仿生响尾蛇模型处理，然后将处理后的图像输入到多通道PCNN中，输出最终的融合图像，从而使得融合图像具有更多的源图像的特征信息。

发明内容

有鉴于此，本发明提供了一种基于蛇优化算法的响尾蛇仿生PCNN图像融合方法，摒弃了现有技术均是将处理后的图像映射至RGB通道生成伪彩色融合图像的现状，提出了一种先通过建立的ON/OFF中心型感受野以及六种双模式细胞共同组成的响尾蛇仿生模型对源图像处理，然后再通过多通道PCNN将处理后的图像融合，从而得到更多的特征信息，提高了图像融合效果。

为了实现上述目的，本发明采用如下技术方案：

基于蛇优化算法的响尾蛇仿生PCNN图像融合方法，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。

优选地，ON中心型感受野模型为：

OFF中心型感受野模型为：