基于區域點火特性的PCNN圖像融合與仿真分析

樂人銘 丁旖 姬緯通

【摘 要】本文研究了基于小波變換與脈沖耦合神經網絡相結合的圖像融合方法，以實現對圖像融合質量的提高。論文的主要研究介紹基于區域點火特性的多聚焦圖像融合。包括基于區域點火特性的PCNN融合新算法和多尺度分解下的PCNN點火特性。

【關鍵詞】小波變換 圖像融合 脈沖耦合神經網絡

一、基于區域點火特性的PCNN融合新算法

為了克服成像鏡頭的有限焦距引起的模糊現象，多聚焦圖像融合應運而生。PCNN是一種以哺乳動物貓的視覺神經細胞原理建立的神經網絡模型，已被成功應用于圖像處理中并初步應用于圖像融合融合。

在小波變換域內應用PCNN模型，可以有效的提取原圖像的特征，其信號形式和處理機制也符合視覺神經系統的生理學基礎。但是，如果僅僅以單個像素的點火次數作為系數選擇標準，原圖像在過渡區域的信息提取就不夠充分，將降低融合圖像信息。為增強PCNN對有效信息的提取，我們提出以PCNN脈沖點火次數的區域特性為基礎的融合新算法。

定義點火區域強度（Regional Fire Intensity，RFI）為式中，為調節因子，用以權衡平均值和標準差在系數選擇中的重要性。

系數選取規則為

式中，，，表示ImageA、ImageB、ImageF的第i個小波系數矩陣（小波分解子圖）中（x，y）位置上的元素；、分別表示圖像A和圖像B經過PCNN網絡后點火次數的強度區域。

如果圖像A對應像素的區域強度大于圖像B，就選擇圖像A的小波系數作為融合圖像的小波系數，反之選擇圖像B的小波系數作為融合圖像的小波系數。

可以看出，與直接以像素的點火次數為依據的意義相近，但由于充分考慮到點火次數具有的區域特性，可以有效的抑制系統噪聲。如果原圖像的某區域特性相近，點火次數的標準差較小，小波系數選取主要取決于區域均值的大小，此時系數選取方法基本與取最大值法一致。如果圖像某區域特性差異大，說明該區域處于邊緣或信息過渡區，此時標準差較大，因此，新算法將使圖像的邊緣和過渡區域信息得以很好保留。

ImageA和ImageB代表兩幅原圖像A和B，ImageF代表融合后的圖像，具體步驟如下：

（1）對ImageA和ImageB進行DWT分解，得到圖像的低頻和高頻系數。

（2）將低頻和高頻系數輸入PCNN中，利用PCNN網絡統計點火次數。

（3）對點火次數進行區域強度（RFI）計算，并選擇強度大的小波系數。

（4）對以上得到的小波分解系數，經過小波逆變換重構得融合圖像ImageF。

二、實驗仿真及分析

評價指標包括標準差（STD）平均梯度（AG）熵（EN）偏差（MAE）和互信息（MI）。

其中，標準差越大，灰度分布越分散，可含信息量越大；平均梯度越大，圖像微小細節及紋理反映越好；熵越大，圖像包含的信息量越大；互信息越大，融合圖像與原圖像關聯性越強，包含了更多原圖像的信息；偏差越小，融合圖像與原圖像光譜差異越小，原圖像光譜特性保留越好。

表1表明，基于區域點火特性的PCNN融合新算法與基于DWT的其它融合算法相比，標準差、平均梯度、熵和互信息都明顯高于其他方法，偏差低于其他方法。

無論是仿真圖像還是評價指標都可以看出，將PCNN應用于圖像的小波域內，利用小波變換的多分辨力特性和PCNN從復雜背景下有效提取信息的特點，同時充分利用PCNN點火次數中包含的圖像信息，可以很好地保留了原圖像的邊緣和紋理，與原圖像關聯性強，提高融合圖像質量。

表1 不同融合算法的指標比較

1、最大值法；2、權重法；3、區域能量法。4、邊緣強度法；5、PCNN融合算法；6、本文算法

三、結論

PCNN是一種新型的神經網絡，其信號形式和處理機制更符合人類視覺神經系統的生理學基礎，近年來被廣泛應用于圖像處理中，本文提出的基于DWT和PCNN的多聚焦圖像融合新算法，在充分保留了小波變換的多分辨率分解特性和PCNN全局耦合、能在復雜背景下有效提取圖像信息的特性基礎上，詳細分析了PCNN點火次數特性與圖像信息之間的關系，通過定義點火區域強度實現圖像特征的有效提取。與基于DWT的其他融合算法相比，標準差、平均梯度、熵和互信息都明顯高于其他方法，偏差低于其他方法。從圖像的主觀視覺效果來看，融合圖像邊緣和紋理清晰，很好地保留原圖像的光譜特性，有效提取了原圖像的圖像特性，多聚焦圖像的清晰區域得以幾乎完全保留，融合整體效果優于其他方法。

【參考文獻】

[1]Kenneth.R.Castleman，朱志剛等譯.數字圖像處理[M].電子科學出版社，1998：1-25.

[2]Wilson.J.D，Trunk.G.V，Tracking filters for multiple-platform radar integration[M].NavalResearch Lab，1979.

[3]B.H Cantrell，A.Grindlay.Multiple site radar tracking system[M].IEEE International RadarConference，1980.

[4]夏明革，何友，唐小明，夏仕昌.圖像融合的發展現狀與展望[J].船舶電子工程，2002，