基于增补小波变换和PCNN的NSCT域图像融合算法

计算机工程与科学

基于增补小波变换和PCNN的NSCT域图像融合算法

王健1,2,张修飞1,任萍1,院文乐1

(1.西北工业大学电子信息学院,陕西西安 710129;2.西北工业大学第365研究所,陕西西安 710065）

收稿日期:2017-06-27 修回日期:2017-11-09 出版日期:2018-10-25 发布日期:2018-10-25
基金资助:
国家自然科学基金(61472324);西北工业大学研究生创意创新种子基金(Z2017144)

An image fusion algorithm based on complementary

wavelet transform and PCNN in NSCT domain

WANG Jian1,2,ZHANG Xiufei1,REN Ping1,YUAN Wenle1

(1.School of Electronics and Information,Northwestern Polytechnical University,Xi’an 710129;

2.No.365 Institute,Northwestern Polytechnical University,Xi’an 710065,China)

Received:2017-06-27 Revised:2017-11-09 Online:2018-10-25 Published:2018-10-25

摘要/Abstract

摘要：

针对传统NSCT图像融合算法存在的不足,提出一种基于增补小波变换和PCNN的NSCT域图像融合算法。首先对源图像进行NSCT分解,生成一系列低频和高频分量。对低频分量利用二维小波分解,生成一个低频和三个方向分量,对低频分量利用局部区域能量加权方法融合,三个方向分量利用改进的高斯加权SML方法融合；对NSCT分解的高频分量,分为对最高层和其它层的融合,最高层利用改进的高斯加权SML方法融合,其余层利用边缘梯度信息激励PCNN方法融合。最后对NSCT进行逆变换得到融合图像。实验结果证实了所提算法的有效性。

关键词: 图像融合, NSCT, 小波变换, PCNN, SML

Abstract:

Aiming at the shortcomings of the traditional NSCT image fusion algorithm, we propose an image fusion algorithm based on complementary wavelet transform and PCNN in NSCT domain. Firstly, we use the NSCT to decompose the source image and generate a series of low frequency and high frequency subbands. Low frequency subbands are decomposed by twodimensional wavelet into a low frequency subband and three directional subbands. Then the low frequency subband is fused by the local region energy weighting method. And the three directional subbands are fused by the improved Gaussian weighted SML method. The high frequency subbands decomposed by the NSCT are divided into the highest layers and other layers for fusion. The highest layers are fused by using the improved Gaussian weighted SML method, and the other layers are fused by the PCNN method enhanced by edge gradient information. Finally, the fused image is obtained through NSCT inverse transform. Experimental results demonstrate the effectiveness of the proposed algorithm.

Key words: image fusion, NSCT, wavelet transform, PCNN, SML

王健1,2,张修飞1,任萍1,院文乐1. 基于增补小波变换和PCNN的NSCT域图像融合算法[J]. 计算机工程与科学.

WANG Jian1,2,ZHANG Xiufei1,REN Ping1,YUAN Wenle1.

An image fusion algorithm based on complementary

wavelet transform and PCNN in NSCT domain

[J]. Computer Engineering & Science.

[1]	李一, 李阳, 苗壮, 王家宝, 张睿. 一种扩展VIFB的红外与可见光图像融合基准[J]. 计算机工程与科学, 2022, 44(06): 1072-1082.
[2]	张丽霞, 曾广平, 宣兆成. 多源图像融合方法的研究综述[J]. 计算机工程与科学, 2022, 44(02): 321-334.
[3]	徐景秀, 张青. 改进小波软阈值函数在图像去噪中的研究应用[J]. 计算机工程与科学, 2022, 44(01): 92-101.
[4]	张贵仓, 王静, 苏金凤. 改进稀疏表示与积化能量和的多聚焦图像融合[J]. 计算机工程与科学, 2022, 44(01): 124-131.
[5]	董霙达, 张成涛, 多化琼, 杜豫怡. 基于加权变换的蒙古族家具纹样增强研究[J]. 计算机工程与科学, 2021, 43(06): 1047-1051.
[6]	张丽霞, 曾广平, 宣兆成. NSST域下SPCNN与SR结合的多源图像融合[J]. 计算机工程与科学, 2020, 42(11): 2042-2049.
[7]	张贵仓, 苏金凤, 拓明秀. DTCWT域的红外与可见光图像融合算法[J]. 计算机工程与科学, 2020, 42(07): 1226-1233.
[8]	马燕燕1，杨志斌1,2，江国华1. 一种SysML模型到AADL模型的自动转换方法[J]. 计算机工程与科学, 2020, 42(03): 456-466.
[9]	王杨1,2，向秀梅1,2，卢嘉1,2，郁振鑫1,2. 基于双目融合的无参考立体图像质量评价[J]. 计算机工程与科学, 2020, 42(03): 510-516.
[10]	苏金凤，张贵仓，汪凯. 图像差与加权核范数最小化的压缩图像融合[J]. 计算机工程与科学, 2019, 41(10): 1785-1794.
[11]	胡军,张维珺,李宛倩. 面向需求的安全关键系统形式化建模与验证方法研究[J]. 计算机工程与科学, 2019, 41(08): 1426-1433.
[12]	姜文超 1，2，刘海波1,杨宇杰1，陈佳峰1，孙傲冰2. 一种融合小波变换与卷积神经网络的高相似度图像识别与分类算法[J]. 计算机工程与科学, 2018, 40(09): 1646-1652.
[13]	王威1,2，张佳娥1,2. 基于引导滤波和shearlet稀疏的遥感图像融合算法[J]. 计算机工程与科学, 2018, 40(08): 1453-1458.
[14]	王威1,2，张佳娥1,2. 基于引导滤波和shearlet稀疏的遥感图像融合算法[J]. 计算机工程与科学, 2018, 40(07): 1250-1255.
[15]	王磊，薛伟. 基于时空混沌和小波变换的图像加密算法[J]. 计算机工程与科学, 2018, 40(05): 856-862.