[發明專利]基于改進PCNN補償的AUV圖像融合方法、處理器及系統

在審

• 申請號: 201711262470.5
• 申請日: 2017-12-04
• 公開（公告）號: CN107886488A
• 公開（公告）日: 2018-04-06
• 發明（設計）人: 陳斌;王萬國;許瑋;慕世友;李超英;傅孟潮;李建祥;郭銳;肖鵬;李榮;白萬建;楊波;孫曉斌;石鑫;黃振寧;張用
• 申請（專利權）人: 國網山東省電力公司電力科學研究院;山東魯能智能技術有限公司;國家電網公司
• 主分類號: G06T5/00
• 分類號: G06T5/00
• 代理公司: 濟南圣達知識產權代理有限公司37221
• 代理人: 張勇

1.一種基于改進PCNN補償的AUV圖像融合方法，其特征在于，包括：

步驟1：對已配準的AUV源圖像分別進行NSCT分解，得到相應低頻子帶系數和高頻子帶系數；

步驟2：對于低頻子帶系數，采用改進空間頻率的規則來選取低頻子帶融合系數；對于高頻子帶系數的方向數最多的兩層采用絕對值最大的規則來選取高頻子帶融合系數，其余層采用自適應PCNN模型來選取高頻子帶融合系數；

步驟3：將選取的低頻子帶融合系數與高頻子帶融合系數進行NSCT重構，最終得到融合圖像。

2.如權利要求1所述的一種基于改進PCNN補償的AUV圖像融合方法，其特征在于，在所述步驟2中，對于低頻子帶系數采用改進空間頻率的規則來選取低頻子帶融合系數的過程包括：

對已配準的源圖像分別計算低頻子帶水平、垂直、主對角線和次對角線方向的頻率；

計算低頻子帶水平、垂直、主對角線和次對角線方向的頻率累和的均值；

最后從大到小選擇該均值對應的低頻子帶系數作為低頻子帶融合系數。

3.如權利要求1所述的一種基于改進PCNN補償的AUV圖像融合方法，其特征在于，在所述步驟2中，自適應PCNN模型的自適應鏈接強度，通過高頻子帶系數的平均梯度值進行自適應調整。

4.如權利要求3所述的一種基于改進PCNN補償的AUV圖像融合方法，其特征在于，高頻子帶系數的平均梯度值越大，自適應PCNN模型的自適應鏈接強度越大，對應的神經元點火時刻提前。

5.如權利要求1所述的一種基于改進PCNN補償的AUV圖像融合方法，其特征在于，所述步驟2中的自適應PCNN模型在饋送輸入中消去了漏極積分器。

6.一種基于改進PCNN補償的AUV圖像融合處理器，其特征在于，包括：

NSCT分解部，其被配置為：對已配準的AUV源圖像分別進行NSCT分解，得到相應低頻子帶系數和高頻子帶系數；

子帶融合系數計算部，其被配置為：對于低頻子帶系數，采用改進空間頻率的規則來選取低頻子帶融合系數；對于高頻子帶系數的方向數最多的兩層采用絕對值最大的規則來選取高頻子帶融合系數，其余層采用自適應PCNN模型來選取高頻子帶融合系數；

NSCT重構部，其被配置為：將選取的低頻子帶融合系數與高頻子帶融合系數進行NSCT重構，最終得到融合圖像。

7.如權利要求6所述的一種基于改進PCNN補償的AUV圖像融合處理器，其特征在于，所述子帶融合系數計算部，還被配置為：

對已配準的源圖像分別計算低頻子帶水平、垂直、主對角線和次對角線方向的頻率；

計算低頻子帶水平、垂直、主對角線和次對角線方向的頻率累和的均值；

最后從大到小選擇該均值對應的低頻子帶系數作為低頻子帶融合系數。

8.如權利要求6所述的一種基于改進PCNN補償的AUV圖像融合處理器，其特征在于，在所述子帶融合系數計算部中，自適應PCNN模型的自適應鏈接強度，通過高頻子帶系數的平均梯度值進行自適應調整；高頻子帶系數的平均梯度值越大，自適應PCNN模型的自適應鏈接強度越大，對應的神經元點火時刻提前。

9.如權利要求6所述的一種基于改進PCNN補償的AUV圖像融合處理器，其特征在于，所述子帶融合系數計算部中的自適應PCNN模型在饋送輸入中消去了漏極積分器。

10.一種基于改進PCNN補償的AUV圖像融合系統，其特征在于，包括如權利要求6-9中任一項所述的基于改進PCNN補償的AUV圖像融合處理器。