文献类型：期刊文章

作　　者：冯鑫[1]

FENG Xin(College of Mechanical Engineering,Key Laboratory of Manufacturing Equipment Mechanism Design and Control of Chongqing,Chongqing Technology and Business University,Chongqing 400067,China)

机构地区：[1]重庆工商大学机械工程学院制造装备机构设计与控制重庆市重点实验室,重庆400067

出　　处：《光子学报》

基　　金：国家自然科学基金(Nos.31501229;61861025);重庆市基础研究与前沿探索项目(Nos.csct2015jcyjA40014;cstc2018jcyjAX0483;cstc2015jcyja50027);重庆工商大学青年博士基金(No.1352007);重庆工商大学博士启动基金(No.2014-56-07)~~

年　　份：2019

卷　　号：48

期　　号：2

起止页码：70-78

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、IC、INSPEC、JST、RCCSE、RSC、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：提出一种Tetrolet框架下基于联合稀疏表示结合改进脉冲耦合神经网络规则的红外与可见光图像融合方法.对源红外与可见光图像进行不考虑旋转和反射情况下的Tetrolet系数分解;采用联合稀疏方法进行低频系数融合,通过学习字典进行低频系数的精确拟合并融合.在高频子带系数融合上,采用改进脉冲耦合神经网络设置相应的融合规则,根据神经元的点火次数来选择融合图像的高频系数;并对处理后的高低频系数值进行Tetrolet逆变换获取最终融合结果.结果表明,该方法能够有效保留待融合图像的边缘与细节特征,融合结果具有良好的视觉效果,能够增强观察者对于场景的感知和重要目标的识别能力.在互信息、梯度信息、结构相似度以及视觉敏感度指标上都优于传统变换域融合方法,尤其在结构相似度以及梯度保持度上分别领先0.033和0.025,具有有效性.

关 键 词：红外与可见光图像 图像融合 Tetrolet变换  联合稀疏表示  脉冲耦合神经网络

分 类 号：TP391]