GA优化自适应NSCT-PCNN图像融合  

Self-adaptation NSCT-PCNN Image Fusion Based GA Optimization

作　　者：朱强波 丁世飞[1,2] 

机构地区：[1]中国矿业大学计算机科学与技术学院,江苏徐州221116 [2]中国科学院计算技术研究所智能信息处理重点实验室,北京100190

出　　处：《小型微型计算机系统》2016年第7期1583-1587,共5页Journal of Chinese Computer Systems

基　　金：国家自然科学基金项目(61379101)资助;国家"九七三"重点基础研究发展计划项目(2003CB329502)资助

摘　　要：针对传统非下采样Contourlet变换与脉冲耦合神经网络结合(NSCT-PCNN)的图像融合模型中PCNN存在参数需要完全凭借人工经验设置的不足,本文引进了遗传算法进行自适应的参数设置.该模型在低频子带采用基于边缘的图像融合技术,在各带通子带则通过PCNN来确定融合子带系数,加入遗传算法进行参数自行设定,减少了需要人为经验设置参数的个数.最后将融合结果与小波变换,Laplace融合技术以及传统的PCNN-NSCT融合方法进行比较,发现本文方法不论在主观还是客观指数评价上都更佳.To resolve the issue of setting PCNN parameters completely depend on the artificial experience,This paper introduces Genetic Algorithm for adaptive parameter settings. The selection principle of the lowfrequency sub-band coefficients was based on edges of images,the selection principle of the band-pass directional sub-band coefficients was improved by fusion method based on PCNN,adding the genetic algorithm for parameter set their own,to reduce the number of setting arguments. Finally the fusion and wavelet transform,Laplace,PCNN-NSCT fusion and traditional fusion methods are compared,this method in this paper is the better whether in visual observation or objective evaluation criterion.

关 键 词：遗传算法 NSCT PCNN 图像融合关键词 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]