基于多输入细胞神经网络上下文隐马尔可夫模型的图像融合方法  

作　　者：蒋钰婷 罗晓清 JIANG Yuting;LUO Xiaoqing

机构地区：[1]江南大学人工智能与计算机学院,江苏无锡214122

出　　处：《信息技术与信息化》2021年第6期22-24,共3页Information Technology and Informatization

基　　金：国家自然科学基金(61772237)。

摘　　要：上下文隐马尔可夫模型(contextual hidden markov model,CHMM)能够有效地利用多尺度系数间的相关性,得到图像系数的精确表示,但是传统的上下文计算方法仅针对邻域内的单个系数进行计算,没有考虑到局部甚至全局系数的影响。针对以上问题,提出了一种新的基于多输入细胞神经网络(multi-input cellular neural network,MCNN)的CHMM模型并用于图像融合。利用MCNN的动态传播效应得到全局优化的上下文变量,并通过网络的迭代循环进一步提高特征提取的准确性和鲁棒性。然后在高频系数上建立CHMM模型,基于系数的细节性采用加权的融合规则得到高频融合子带,低频子带采用基于区域能量取大的融合规则。实验检验了方法的有效性。

关 键 词：图像融合 多输入细胞神经网络 上下文隐马尔可夫模型 上下文变量 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术] TP183[自动化与计算机技术—计算机科学与技术]