[發(fā)明專利]結(jié)合視覺注意機(jī)制和PCNN的圖像融合方法

有效

• 申請?zhí)枺?/td>: 201310067764.8
• 申請日: 2013-03-04
• 公開（公告）號: CN103455990A
• 公開（公告）日: 2013-12-18
• 發(fā)明（設(shè)計）人: 張基宏;鄧苗;柳偉;楊秀林
• 申請（專利權(quán)）人: 深圳信息職業(yè)技術(shù)學(xué)院
• 主分類號: G06T5/50
• 分類號: G06T5/50
• 代理公司: 深圳中一專利商標(biāo)事務(wù)所 44237
• 代理人: 梁珣

技術(shù)領(lǐng)域

本發(fā)明屬于圖像技術(shù)領(lǐng)域，尤其涉及一種結(jié)合視覺注意機(jī)制和PCNN的圖像融合方法。

背景技術(shù)

圖像融合是通過某種融合系統(tǒng)，將兩個或多個互補(bǔ)的波段、傳感器的有用信息綜合成統(tǒng)一圖像或綜合圖像特征以供觀察或進(jìn)一步處理，達(dá)到對目標(biāo)或場景更為精確、全面的識別、分析和判決的圖像處理方法。

目前存在三種典型的視覺注意機(jī)制計算方法：

第一種典型方法于1998年提出的一種經(jīng)典的圖像顯著度方法，該方法首先在多種預(yù)注意特征通道（亮度、紅綠對比色、藍(lán)黃對比色、方向等）上計算中心-四周對比度，然后將將對比度線性組合得到顯著圖。

第二種典型方法由Harel等將圖像定義為有向完全圖，他們將節(jié)點定義為像素，然后通過計算任意兩個像素的差異來獲得邊的權(quán)重，此后，通過隨機(jī)游走的方法，在圖上尋找被訪問次數(shù)較少的節(jié)點，并賦予這些節(jié)點較高的顯著度。

第三種典型方法由Hou定義的一種圖像顯著度（基于圖像DCT變換的符號函數(shù)）方法。

視覺注意機(jī)制(Visualattentionmechanism，VAM)是模擬人類視覺過程對場景進(jìn)行迅速選擇少數(shù)感興趣區(qū)域以供后續(xù)處理的機(jī)制，是人類視覺特性研究中的一個重要分支?；谝曈X注意機(jī)制的模型能夠?qū)@著目標(biāo)從背景分離，從而又有利于對背景和物象區(qū)別對待，降低分析難度，提高計算效率。將視覺注意機(jī)制結(jié)合到圖像融合過程中將有助于保留源圖像中的顯著信息，因此該方面研究已受到極大關(guān)注，并已經(jīng)有一些初步的研究成果。

脈沖耦合神經(jīng)網(wǎng)絡(luò)(Pulse-coupledNeuralNetwork,PCNN)是由若干個PCNN的神經(jīng)元互連所構(gòu)成的反饋型網(wǎng)絡(luò)，每一個神經(jīng)元都由接收域、調(diào)制部分和脈沖發(fā)生器3部分組成。脈沖耦合神經(jīng)網(wǎng)絡(luò)的方法是圖像處理的研究熱點。PCNN具有同步脈沖發(fā)送和全局耦合特性，與傳統(tǒng)的加權(quán)平均、取極值以及基于區(qū)域能量的圖像融合規(guī)則相比，PCNN是一種非線性處理方式，不單考慮單個像素或者局部特征，而且兼顧全局特征，與人類視覺神經(jīng)系統(tǒng)對視覺信息的處理方式非常相似，有利于差異化顯著目標(biāo)特征與非顯著目標(biāo)特征，從而更加有效地區(qū)分信號，已被廣泛地應(yīng)用于圖像分割、圖像識別、決策優(yōu)化和圖像融合等方面。

在實現(xiàn)現(xiàn)有技術(shù)的過程中，發(fā)現(xiàn)現(xiàn)有技術(shù)存在如下問題：

1.現(xiàn)有PCNN鏈接強(qiáng)度自適應(yīng)構(gòu)造方法常用于多聚焦圖像融合，不適用于紅外與可見光等異源圖像融合；

2.在大部分使用PCNN進(jìn)行圖像處理的文獻(xiàn)中，所有的神經(jīng)元的鏈接強(qiáng)度β都是采用相同的數(shù)值，且是根據(jù)實驗或者經(jīng)驗選擇一個合適的數(shù)值來使用；這一點對于處理的自動化和普遍適用性是一個較大的限制，事實上，真實神經(jīng)元的鏈接強(qiáng)度不可能完全相同；

3.在圖像融合中，低頻部分的融合規(guī)則影響到融合圖像的整體亮度變化，在多傳感器圖像融合中尤為重要。此時簡單的加權(quán)平均方法并不能全面地保護(hù)來自源圖像中的顯著目標(biāo)。

所以現(xiàn)有技術(shù)圖像的融合效果差。

發(fā)明內(nèi)容

本發(fā)明實施例的目的在于提供一種結(jié)合視覺注意機(jī)制和PCNN的圖像融合方法，旨在解決現(xiàn)有技術(shù)中的圖像的融合效果差的問題。

本發(fā)明實施例是這樣實現(xiàn)的，一種結(jié)合視覺注意機(jī)制和PCNN的圖像融合方法，所述方法包括：

將源圖像A和源圖像B分別進(jìn)行視覺顯示計算得到源圖像A的顯著圖A、源圖像B的顯著圖B；

將源圖像A和源圖像B分別進(jìn)行多尺度變換得到源圖像A的高頻系數(shù)A和低頻系數(shù)A、源圖像B的高頻系數(shù)B和低頻系數(shù)B；

將顯著圖A作為PCNN模型的鏈接輸入，將低頻系數(shù)A作為PCNN模型的反饋輸入，依據(jù)公式1和顯著圖A構(gòu)造自適應(yīng)鏈接系數(shù)βij.A；對PCNN模型點火得到點火映射圖T_A(i,j)；

將顯著圖B作為PCNN模型的鏈接輸入，將低頻系數(shù)B作為PCNN模型的反饋輸入，依據(jù)公式1和顯著圖B構(gòu)造自適應(yīng)鏈接系數(shù)βij.B；對PCNN模型點火得到點火映射圖T_B(i,j)；