基于梯度域导向滤波器和改进PCNN的图像融合算法

TP391; 为解决当前融合后图像存在的光晕伪影现象以及不利于视觉感知的问题,提出了一种基于梯度域导向滤波(gradient domain guided filtering,GDGF)和 改进的 脉冲耦合神经网络(pulse-coupled neural network,PCNN)的图像融合算法.首先,利用图像结构、清晰度以及对比度显著性的图像特征构建图像融合模型.其次,采用梯度域导向滤波取代传统优化方法,通过像素间相关性优化初始决策图.然后,将优化决策图作为外部输入刺激改进PCNN模型,得到融合权重图.最后,对源图像和融合权重图进行加权操作得到最终融合图像.实验结果表明,所提方法更好地保留图...

Full description

Saved in:
Bibliographic Details
Published in系统工程与电子技术 Vol. 44; no. 8; pp. 2381 - 2392
Main Authors 王健, 何自豪, 刘洁, 杨珂
Format Journal Article
LanguageChinese
Published 西北工业大学电子与信息学院,陕西西安710129 01.08.2022
西北工业大学第365所,陕西 西安710065%西北工业大学电子与信息学院,陕西西安710129
Subjects
改进的脉冲耦合神经网络
图像融合
导向滤波器
Online AccessGet full text
ISSN1001-506X
DOI10.12305/j.issn.1001-506X.2022.08.01

Cover

More Information
Summary:TP391; 为解决当前融合后图像存在的光晕伪影现象以及不利于视觉感知的问题,提出了一种基于梯度域导向滤波(gradient domain guided filtering,GDGF)和 改进的 脉冲耦合神经网络(pulse-coupled neural network,PCNN)的图像融合算法.首先,利用图像结构、清晰度以及对比度显著性的图像特征构建图像融合模型.其次,采用梯度域导向滤波取代传统优化方法,通过像素间相关性优化初始决策图.然后,将优化决策图作为外部输入刺激改进PCNN模型,得到融合权重图.最后,对源图像和融合权重图进行加权操作得到最终融合图像.实验结果表明,所提方法更好地保留图像边缘、纹理和细节信息,避免目标边缘的光晕伪影现象,且利于视觉观察.
ISSN:1001-506X
DOI:10.12305/j.issn.1001-506X.2022.08.01