[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

技術領域

本發明屬于圖像處理領域，尤其涉及一種基于改進PCNN補償的AUV圖像融合方法、處理器及系統。

背景技術

近年來，AUV(自治式無人水下機器人)在海洋探索、科學研究和軍事等領域發揮的作用愈發突顯，但AUV在近海面拍攝圖片的過程中會受到各種不利因素的影響，如浪涌、煙霧和夜視等，進而使獲得的圖像質量不佳，不利于后續處理分析。對于其拍攝的可見光圖像，因利用光的反射成像，具有光譜信息豐富、分辨度高和動態范圍大的優勢，缺陷是在夜間和低能見度條件下成像有局限；而紅外成像利用目標的輻射能量，具有穿透煙霧和雪的能力，可全天候工作，抗干擾能力強，不足是成像質量差以及對溫差敏感等。

鑒于對高質量圖像的需求和傳感器自身獲得圖像水平的局限性，將可見光圖像和紅外圖像相融合是解決此問題最合適的方法。圖像融合可以理解為對場景中的同一目標在基于不同原理、方法的傳感器采集后的多源信息圖像在預處理后，通過適當的方法對預處理后的圖像融合操作，從而提高圖像質量并對環境中捕獲的物體以及其他背景信息盡最大程度的描述，從而方便了目標的定位和跟蹤。

圖像融合方法可大致由在空間域與變換域兩個層次處理組成，其中多尺度變換就是在變換域上的融合方法。最早的多尺度分解變換的方法是1983年由Burt和Adelson提出的拉普拉斯金字塔方法，其本質上是進行冗余分解，會對圖像的顯著目標造成塊狀效應，Morlet等人提出的小波變換克服了上述缺陷，并且包含了圖像的方向信息，減少了噪聲。在這之后，離散小波變換、基于小波框架、多小波變換等圖像融合方法相繼被提出，在圖像融合領域受到了廣泛的應用。但是小波變換的方向性有限，融合后圖像的邊緣、幾何信息保留不充分，缺乏圖像輪廓信息，致使圖像質量下降。

2002年由M.N.Do等人提出的Contourlet變換(Contourlet Transform，CT)方法具有很強的方向性，而且分辨率高、更“稀疏”，但由于其在分解重構的過程中有下采樣操作，缺乏平移不變性，使圖像產生偽吉布斯現象，令圖像質量下降。由Contourlet變換演化而來的非下采樣Contourlet變換(Non-subsampled Contourlet Transform，NSCT)方法是近年來被學者重點關注研究的理論方法之一。NSCT方法消除了偽吉布斯現象，具有多分辨率、多方向性、時頻性和平移不變性等特點，對圖像的紋理細節和幾何特征能夠有效捕捉，達到對圖像的稀疏表示。除此之外，各子帶圖像尺寸一致的特點給圖像融合方法對低頻高頻融合規則的制定帶來了很大的方便。

作為現今在圖像融合技術被廣泛引入的人工智能技術，脈沖耦合神經網絡(Pulse-Coupled Neural Networks，PCNN)是Eckhorn在對貓的視覺神經元特征同步行為實驗中提出的。除了結合了生物學特點，它憑借著其全局耦合性、捕獲特性和脈沖同步特性的優勢，在圖像處理和圖像融合技術上受到大量應用。作為一種新型的人工神經網絡，有不少學者將NSCT和PCNN進行結合，通過對各個子帶的融合方法采取基于不同理論方法的改進手段，取得了不錯的效果。

中國專利文獻號CN1873693，記載了一種“基于Contourlet變換和改進型脈沖耦合神經網絡的圖像融合方法”，該發明實現步驟為：在對輸入的可見光與紅外線圖像進行多尺度、多方向Contourlet分解的基礎上，對具有神經生理學背景的PCNN進行改進，利用改進型的IPCNN進行融合策略設計，根據可見光圖像和紅外線圖像的不同特征，對高頻細節部分和低頻背景部分分別進行融合，生成Contourlet域融合系數，最后經過Contourlet反變換得到融合圖像。該發明的缺點在于：Contourlet變換在離散域內進行，采樣過程不具備平移不變性，會產生偽吉布斯效應，影響融合效果；采用的IPCNN模型復雜，參數多，計算耗時長；所采用的融合規則未做進一步說明。

中國專利文獻號CN102722877A，記載了“一種圖像處理技術領域的基于雙通道PCNN的多聚焦圖像融合方法”。通過分別將兩幅圖像經NSCT變換后得到若干不同頻率子圖像，并采用基于雙通道PCNN進行融合后確定融合圖像的各帶通子帶系數，最后通過NSCT逆變換得到融合圖像。該方法不僅有效地豐富了圖像的背景信息，而且最大限度地保護了圖像中的細節，符合人眼視覺特性，較之基于普拉斯金字塔變換、雙通道PCNN方法的融合效果有所改善。該發明的缺點在于：采用的PCNN模型復雜，參數多，計算耗時長；闡述不完整，未交待子帶系數的融合規則；融合對象是多聚焦圖像，而非可見光和紅外圖像等不同光譜圖像。