基于PCNN的紅外與可見(jiàn)光圖像融合算法

基于PCNN的紅外與可見(jiàn)光圖像融合算法基于PCNN的紅外與可見(jiàn)光圖像融合算法

摘要：隨著紅外和可見(jiàn)光圖像數(shù)據(jù)的廣泛應(yīng)用，紅外與可見(jiàn)光圖像的融合成為一個(gè)重要的研究方向。本文提出了一種基于脈沖耦合神經(jīng)網(wǎng)絡(luò)（PCNN）的紅外與可見(jiàn)光圖像融合算法。該算法通過(guò)灰度拉伸和直方圖均衡化對(duì)紅外圖像和可見(jiàn)光圖像進(jìn)行預(yù)處理，然后利用PCNN模型進(jìn)行融合。實(shí)驗(yàn)結(jié)果表明，該算法能夠有效地提升融合圖像的視覺(jué)效果和目標(biāo)辨識(shí)能力。

1.引言

紅外與可見(jiàn)光圖像融合技術(shù)廣泛應(yīng)用于軍事、安防、航空等領(lǐng)域。傳統(tǒng)的融合方法主要基于像素級(jí)和變換域融合技術(shù)，但存在空間信息丟失和復(fù)雜度高的問(wèn)題。脈沖耦合神經(jīng)網(wǎng)絡(luò)（PCNN）是一種模擬神經(jīng)網(wǎng)絡(luò)，具有自適應(yīng)性和非線性特性，可用于圖像融合。

2.方法

（1）紅外圖像與可見(jiàn)光圖像預(yù)處理

為了提高圖像質(zhì)量，對(duì)紅外圖像和可見(jiàn)光圖像進(jìn)行預(yù)處理。首先，對(duì)紅外圖像和可見(jiàn)光圖像進(jìn)行灰度拉伸，將灰度范圍映射到0~255之間。然后，對(duì)圖像進(jìn)行直方圖均衡化，增強(qiáng)圖像的對(duì)比度和細(xì)節(jié)。

（2）PCNN模型

PCNN是一種生物啟發(fā)模型，通過(guò)神經(jīng)脈沖的傳遞和耦合實(shí)現(xiàn)信息處理。在本算法中，將預(yù)處理的紅外圖像和可見(jiàn)光圖像作為輸入，分別構(gòu)建兩個(gè)PCNN模型。通過(guò)計(jì)算每個(gè)像素點(diǎn)的刺激度和細(xì)胞脈沖發(fā)放次數(shù)，獲取圖像的特征信息。

（3）融合規(guī)則

為了獲得融合圖像，將紅外圖像PCNN和可見(jiàn)光圖像PCNN進(jìn)行融合。通過(guò)計(jì)算兩個(gè)PCNN模型的輸出，得到融合像素值。具體而言，對(duì)于相同位置的像素點(diǎn)，選擇具有較高響應(yīng)值的像素作為融合結(jié)果。

3.實(shí)驗(yàn)與結(jié)果

本文在公開(kāi)數(shù)據(jù)集上對(duì)提出的算法進(jìn)行了實(shí)驗(yàn)驗(yàn)證。結(jié)果表明，與傳統(tǒng)融合方法相比，基于PCNN的紅外與可見(jiàn)光圖像融合算法在視覺(jué)效果和目標(biāo)辨識(shí)能力上獲得了明顯的提升。融合圖像的邊緣清晰，細(xì)節(jié)豐富，能夠更好地表達(dá)目標(biāo)信息。

4.算法優(yōu)化與拓展

雖然基于PCNN的紅外與可見(jiàn)光圖像融合算法取得了良好的效果，但仍存在一些問(wèn)題。算法對(duì)輸入圖像的灰度范圍敏感，對(duì)于復(fù)雜場(chǎng)景下的目標(biāo)提取仍有待改進(jìn)。因此，可以探索引入更多特征提取方法和優(yōu)化PCNN模型的方式，進(jìn)一步提高融合算法的性能。

5.結(jié)論

本文提出了一種基于PCNN的紅外與可見(jiàn)光圖像融合算法，并在實(shí)驗(yàn)中驗(yàn)證了其有效性。該算法通過(guò)灰度拉伸和直方圖均衡化對(duì)圖像進(jìn)行預(yù)處理，利用PCNN模型進(jìn)行融合。實(shí)驗(yàn)結(jié)果表明，算法能夠提升融合圖像的視覺(jué)效果和目標(biāo)辨識(shí)能力。在未來(lái)的研究中，可以進(jìn)一步優(yōu)化和改進(jìn)該算法，提高圖像融合的精度和穩(wěn)定性，以滿(mǎn)足實(shí)際應(yīng)用需求綜上所述，本文提出的基于PCNN的紅外與可見(jiàn)光圖像融合算法在公開(kāi)數(shù)據(jù)集上進(jìn)行了實(shí)驗(yàn)驗(yàn)證。實(shí)驗(yàn)結(jié)果表明，相比傳統(tǒng)融合方法，該算法在視覺(jué)效果和目標(biāo)辨識(shí)能力上獲得了明顯的提升。融合圖像具有清晰的邊緣和豐富的細(xì)節(jié)，能夠更好地表達(dá)目標(biāo)信息。然而，該算法仍存在對(duì)輸入圖像灰度范圍敏感以及在復(fù)雜場(chǎng)景下目標(biāo)提取方面的待改進(jìn)之處。因此，可以進(jìn)一步研究引入更多特征提取方法和優(yōu)