基于PCNN的多聚焦圖像融合算法研究.pdf

1、光學(xué)顯微鏡，照相機(jī)等成像設(shè)備的景深大小是有限的，這導(dǎo)致人們有時很難將所有距離觀察者遠(yuǎn)近不同的物品在同一圖像上全部呈現(xiàn)清楚。為了解決這個問題，多聚焦圖像融合將同一場景中聚焦于不同位置的源圖像進(jìn)行融合，從而提取出所有源圖像中被聚焦的部分，得到一個更加清晰的圖像。
　　本文首先對圖像融合的發(fā)展現(xiàn)狀和層次進(jìn)行了介紹，然后對多聚焦圖像融合的主要方法和評價方法進(jìn)行了介紹。接著提出了兩種多聚焦圖像融合方法：基于脈沖耦合神經(jīng)網(wǎng)絡(luò)(pulse co

2、upled neural network,PCNN)和引導(dǎo)濾波器(guided iflter,GF)的圖像融合方法以及基于PCNN和隨機(jī)游走(random walk,RW)的圖像融合方法。最后通過實驗，測試了這兩種算法各自的性能。
　　雖然和圖像增強(qiáng)相比，多聚焦圖像融合得到的結(jié)果保留了更多的原始信息，更加忠實于圖像原本的面貌。但是另一方面，多聚焦圖像融合的目的和圖像增強(qiáng)又十分相像：都是希望圖像進(jìn)一步清晰?；赑CNN和GF的圖像融

3、合方法的提出正是由多聚焦圖像融合和圖像增強(qiáng)的這一聯(lián)系啟發(fā)而來。該算法的主要步驟是：先用GF將源圖像初步融合，再將融合好的圖片用PCNN進(jìn)行增強(qiáng)，然后通過增強(qiáng)后的圖像與源圖像進(jìn)行擬合，從而得到最終的融合圖像。
　　基于PCNN和RW的圖像融合方法的主要步驟是先對源圖像用PCNN進(jìn)行初步融合，再將融合圖像中提取來自不同源圖像的像素點視為不同區(qū)域，然后使用RW依據(jù)同一物體亮度是一致的這一特性對這些不同區(qū)域進(jìn)行篩選和合并，從而得到新的融合