[发明专利]一种基于PCNN与LP变换的多聚焦图像融合方法

摘要

本发明公开了基于脉冲耦合神经网络(PCNN)与拉普拉斯金字塔变换(LP)，提出了一种有效的多聚焦图像融合算法。首先，利用LP对图像进行塔形结构的多尺度分解，并利用PCNN对每一尺度的分解图像进行处理，以获取描述特征聚类的神经元点火频率图。然后，基于点火频率图的局部空间频率(LSF)，实现了图像在每一LP分解尺度上的融合。最后通过LP分解的重构算法实现了对多聚焦图像的融合。实验结果表明，本发明方法得到的多聚焦图像融合结果在主观视觉效果和客观评价指标上均优于多种传统融合算法，体现了良好的性能。

主权项

1.一种基于PCNN与LP变换的多聚焦图像融合的方法，其特征在于，具体步骤为:步骤一、对已经配准好的源图像A和B分别进行N级的LP分解，以获取各自的塔形分解图像RA1，RA2，…RAN和RB1，RB2，…RBN；步骤二、让RA1，RA2，…RAN和RB1，RB2，…RBN通过PCNN模型分别计算它们的神经元点火频率矩阵FA1，FA2，…FAN和FB1，FB2，…FBN；步骤三、分别计算FA1，FA2，…FAN和FB1，FB2，…FBN的图像区域空间频率LSFA1，LSFA2，…LSFAN和LSFB1，LSFB2，…LSFBN；F(i，j)表示在点(i，j)的灰度值，RF表示行的频率，CF表示列的频率，LSF表示图像空间频率，M、N表示区域窗口大小；步骤四、将得到的空间频率按照以下的融合规则，计算源图像在每一分解尺度上的融合结果R1，R2，…RN；R(i，j)表示灰度值；步骤五、基于每一级的融合结果，运用LP重构算法得到最终的多聚焦融合图像。