[發(fā)明專利]基于蛇優(yōu)化算法的響尾蛇仿生PCNN圖像融合方法

在審

• 申請?zhí)枺?/td>: 202211726968.3
• 申請日: 2022-12-30
• 公開（公告）號: CN116205828A
• 公開（公告）日: 2023-06-02
• 發(fā)明（設(shè)計）人: 王勇;謝文潔;王宇慶
• 申請（專利權(quán)）人: 吉林大學(xué)
• 主分類號: G06T5/50
• 分類號: G06T5/50;G06V10/80;G06N3/049;G06N3/0464;G06N3/082
• 代理公司: 北京慕達(dá)星云知識產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 11465
• 代理人: 符繼超

本發(fā)明公開了一種基于蛇優(yōu)化算法的響尾蛇仿生PCNN圖像融合方法，包括：通過ON中心型感受野模型分別對可見光源圖像和紅外源圖像進(jìn)行預(yù)處理，并提取紅外源圖像和可見光源圖像的共有信息和特有信息，將得到的紅外特有信息和可見光特有信息分別作為新紅外源圖像和新可見光源圖像；基于響尾蛇的六種雙模式細(xì)胞機(jī)制對預(yù)處理后的圖像、新紅外源圖像和新可見光源圖像進(jìn)行增強(qiáng)，得到增強(qiáng)的圖像特征信息；PCNN模型對增強(qiáng)的圖像特征信息進(jìn)行融合，通過蛇優(yōu)化算法對PCNN模型進(jìn)行自適應(yīng)調(diào)參，得到融合圖像。本發(fā)明可以得到更多的特征信息，提高了圖像融合效果。

技術(shù)領(lǐng)域

本發(fā)明涉及仿生紅外光與可見光圖像融合技術(shù)領(lǐng)域，更具體的說是涉及基于蛇優(yōu)化算法的響尾蛇仿生PCNN圖像融合方法。

背景技術(shù)

圖像融合是指通過一定的算法，將不同傳感器獲得的多種圖像綜合，生成一張新的特征信息互補(bǔ)的融合圖像。生成的融合圖像同時擁有多張源圖像的特征信息，使得圖像的場景內(nèi)容有了更全面的補(bǔ)充，從而更有利于人眼的識別和機(jī)器的探測，因此圖像融合技術(shù)是計算機(jī)視覺中的一項重要應(yīng)用。并且根據(jù)傳感器的類型不同或者鏡頭聚焦區(qū)域的不同，圖像融合的研究領(lǐng)域也各有不同，例如多聚焦圖像融合，多模態(tài)圖像融合等。其中的多聚焦圖像融合，是針對同一場景下拍攝時聚焦的區(qū)域不同的圖像，將聚焦區(qū)域不同的圖像同合成一幅場景內(nèi)容全清晰的圖像。多模態(tài)圖像融合則是針對不同類型傳感器設(shè)備得到的圖像，例如磁共振成像(MRI)的醫(yī)學(xué)圖像，紅外圖像和可見光圖像等。針對多模態(tài)圖像融合終端紅外圖像與可見光圖像的融合方法又分為仿生方法與非仿生方法，本發(fā)明屬于仿生紅外光與可見光圖像融合領(lǐng)域。

針對仿生領(lǐng)域的圖像融合技術(shù)，部分學(xué)者以響尾蛇為研究對象模擬其視覺成像機(jī)制，例如A.M.Waxman等人根據(jù)響尾蛇視覺成像的工作原理以及建立的視覺感受野模型，提出了可見光和紅外圖像融合的經(jīng)典模型，該經(jīng)典融合結(jié)構(gòu)是由ON/OFF中心感受野組成。目前所提出的基于響尾蛇的仿生圖像融合模型都是使源圖像經(jīng)過建立的響尾蛇模型處理后輸出三幅圖像產(chǎn)生偽彩色融合圖像，但是有一些生成的偽彩色融合圖像的融合效果與視覺效果并不是非常理想。

因此，本專利的目的是提出一種基于響尾蛇仿生的PCNN圖像融合模型，先通過仿生響尾蛇模型處理，然后將處理后的圖像輸入到多通道PCNN中，輸出最終的融合圖像，從而使得融合圖像具有更多的源圖像的特征信息。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明提供了一種基于蛇優(yōu)化算法的響尾蛇仿生PCNN圖像融合方法，摒棄了現(xiàn)有技術(shù)均是將處理后的圖像映射至RGB通道生成偽彩色融合圖像的現(xiàn)狀，提出了一種先通過建立的ON/OFF中心型感受野以及六種雙模式細(xì)胞共同組成的響尾蛇仿生模型對源圖像處理，然后再通過多通道PCNN將處理后的圖像融合，從而得到更多的特征信息，提高了圖像融合效果。

為了實現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案：

基于蛇優(yōu)化算法的響尾蛇仿生PCNN圖像融合方法，包括：

通過ON中心型感受野模型分別對可見光源圖像和紅外源圖像進(jìn)行預(yù)處理，并提取輸入的紅外源圖像和可見光源圖像的共有信息和特有信息，將得到的紅外特有信息和可見光特有信息分別作為新紅外源圖像和新可見光源圖像；

基于響尾蛇的六種雙模式細(xì)胞機(jī)制對預(yù)處理后的圖像、新紅外源圖像和新可見光源圖像進(jìn)行增強(qiáng)，得到增強(qiáng)的圖像特征信息；

PCNN模型對增強(qiáng)的圖像特征信息進(jìn)行融合，通過蛇優(yōu)化算法對PCNN模型進(jìn)行自適應(yīng)調(diào)參，得到融合圖像。

優(yōu)選地，ON中心型感受野模型為：

OFF中心型感受野模型為：