文献类型：期刊文章

作　　者：周哓玲[1,2] 江泽涛[1]

Zhou XiaoLing;Jiang Zetao(Guangxi Key Laboratory of Image and Graphic Intelligent Processing,Guilin University of Electronic Technology,Guilin,Guangxi 541004,China;College of Electronic Information and Automation,Guilin University of Aerospace Technology,Guilin,Guangxi 541004,China)

机构地区：[1]桂林电子科技大学广西图像图形处理与智能处理重点实验室,广西桂林541004 [2]桂林航天工业学院电子信息与自动化学院,广西桂林541004

出　　处：《光学学报》

基　　金：国家自然科学基金(61876049,61762066,61572147);广西科技计划项目(AC16380108);广西图像图形智能处理重点实验项目(GIIP201701、GIIP201801、GIIP201802、GIIP201803);广西研究生教育创新计划(YCBZ2018052,2019YCXS043)

年　　份：2019

卷　　号：39

期　　号：11

起止页码：124-131

语　　种：中文

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

摘　　要：针对红外与可见光图像融合细节信息不够丰富、易出现伪影等问题,提出了一种结合脉冲耦合神经网络(PCNN)与引导滤波的红外与可见光图像融合方法。改进传统PCNN模型结构,在脉冲产生单元加入抑制项,避免像素重复点火对点火时间矩阵带来噪声;以原图为引导图像对点火时间矩阵T进行引导滤波,得到兼具显著信息与边缘细节信息的多区域加权划分矩阵;基于该多区域加权划分矩阵,对红外与可见光图像进行加权融合。同时,根据PCNN数学模型点火行为分析,提出了一种包含约束的PCNN模型参数设置方法,可降低PCNN模型参数设置的复杂度。实验结果表明该融合方法具有较高的融合效率,同时融合图像细节信息丰富,无明显伪影,交叉熵、空间频率指标相对于当前常用融合方法均较优。

关 键 词：图像处理 脉冲耦合神经网络 点火时间矩阵  多区域划分  引导滤波  图像加权融合  

分 类 号：TP391.41]