[发明专利]结合CS-CT-CHMM的噪声图像融合新方法

摘要

本发明涉及一种结合循环平移CS技术和Contourlet域上下文隐马尔科夫模型(CS-CT-CHMM)的噪声图像融合新方法，先对包含一定水平高斯白噪声的源图像采用CS-CT-CHMM去噪，其中上下文Context的构造是根据Contourlet分解系数的父节点、两个最近表兄弟节点及当前节点的邻域熵值计算所得；然后对去噪后的图像执行Shearlet变换，低频子带系数采用加权平均融合策略，高频子带系数利用改进的脉冲耦合神经网络IPCNN模型设计融合规则，最后执行Shearlet逆变换获得融合图像。CS-CT-CHMM去噪方法可以在有效去除噪声的同时保护图像的细节信息，抑制伪吉布斯效应；而Shearlet变换与IPCNN相结合的融合方法在增强图像对比度，信息量方面具有优势，相比传统的融合方法极大地提高了融合图像的质量。

主权项

一种结合CS‑CT‑CHMM的噪声图像融合新方法，其特征在于，首先对包含一定水平高斯白噪声的源图像采用CS‑CT‑CHMM去噪方法进行降噪处理，其中上下文Context的构造根据Contourlet分解系数的父节点、两个最近表兄弟节点及当前节点的邻域熵值计算所得；对去噪后的图像执行Shearlet变换，低频子带系数采用简单的加权平均融合策略，高频子带系数利用改进的IPCNN模型设计融合规则，最后执行Shearlet逆变换获得最终的融合图像。