資源描述：
《基于PCNN和圖像分塊融合法的多聚焦圖像融合算法研究》由會員上傳分享，免費在線閱讀，更多相關內容在學術論文-天天文庫。
1、獨創(chuàng)性聲明本人聲明所呈交的論文是我個人在導師指導下進行的研究工作及取得的研究成果。除了文中特別加以標注和致謝的地方外，論文中不包含其他人或集體己經發(fā)表或撰寫過的研究成果，對本文的研究做出貢獻的集體和個人均已在論文中作了明確的說明并表示了謝意。研究生簽名：杏妒日期：壟堅：呈：三!論文使用和授權說明本人完全了解云南大學有關保留、使用學位論文的規(guī)定，即：學校有權保留并向國家有關部門或機構送交學位論文和論文電子版；允許論文被查閱或借閱；學校可以公布論文的全部或部分內容，可以采用影印、縮印或其他復制手段保存論文。(保密的論文在解密后應
2、遵循此規(guī)定)研究生簽名：她本人及導師同意將學位論文提交至清華大學“中國學術期刊(光盤版)電子雜志社”進行電子和網絡出版，并編入CNKI系列數據庫，傳播本學位論文的全部或部分內容，同意按《中國優(yōu)秀博碩士學位論文全文數據庫出版章程》規(guī)定享受相關權益。研究生簽名：二：一～’．導師簽名：，．：：二．：二二0一日期：摘要多聚焦圖像融合是圖像融合中的一個重要研究領域。它把兩幅及以上的背景相同但聚焦部位不同的源圖像，按某種算法融合為一幅新圖像。目前，隨著研究的深入，學者們提出了許多圖像融合的方法，例如傳統(tǒng)的主分量分析算法、金字塔變換法和小
3、波變換法等。但從融合的性能來看，多聚焦圖像融合依舊存在著改進的可能性。脈沖耦合神經網絡(PulseCoupledNeuralNetwork，PCNN)是一種基于生物背景的神經網絡。作為第三代人工神經網絡，在圖像處理領域，有著非常廣泛的應用，主要用于圖像去噪、圖像分割、圖像增強等。在圖像融合領域，PCNN模型也有較好的適用性。圖像的分塊融合法是指將輸入的源圖像進行分塊，分割成大小相等的若干小的圖像塊，對每一個圖像塊，采用某種算子作為圖像塊的清晰度指標，來計算各個圖像塊的清晰度，以此作為圖像融合的依據。本文對PCNN模型做了較為
4、詳細的介紹，將這～模型的基本原理及實現方法進行了充分的闡述，并對這一模型在圖像處理方面的應用進行了詳細的論述，然后對圖像分塊融合法做了介紹，最后將PCNN模型結合圖像分塊融合法應用到多聚焦圖像融合中。本文的研究工作主要有以下幾個方面：一、綜述了脈沖耦合神經網絡的模型結構、工作原理和特性，以及簡化型PCNN模型和改進型PCNN模型，并對PCNN模型在圖像處理方面的應用進行了介紹。二、對圖像融合的基本概念做了簡單的介紹，介紹了多聚焦圖像融合以及常見的多聚焦圖像融合算法，并對圖像融合的主客觀評價指標進行了闡述。三、通過對圖像進行塊
5、分割然后計算各塊清晰度的這一思路，本文提出了一種基于簡化型PCNN和采用梯度能量作為清晰度度量標準的圖像分塊融合法的多聚焦圖像融合算法。實驗結果表明，通過與常見的融合算法作比較，無論從主觀還是客觀評價角度來看，發(fā)現本文的方法都表現出較好的融合性能。四、由于PCNN模型的參數較多，本文提出了一種基于改進型PCNN和采用空間頻率作為清晰度度量標準的圖像分塊融合法的多聚焦圖像融合算法。通過仿摘要真實驗，與目前常見的融合算法相比較，發(fā)現本文提出算法的融合質量從主客觀兩方面來看均較為不錯。關鍵詞：多聚焦圖像融合；脈沖耦合神經網絡；分塊
6、融合法AbstractMulti—imagefusionisoneofthemostimportantfieldsinimagefusion．Somemethodscanbeusedtomakeanewimagewhichisfocusedoneachpositionbasedontwoormoresourceimagesonthesamebackgroundbutwithdifferentfocusingposition．Nowadays，withthein-depthresearch，scholarshavepropos
7、edmanyimagefusionmethods，suchasPyramidtransformmethod，WavelettransformmethodandPrincipalcomponentanalysismethod．Butaccordingtotheperformanceofimagefusion，thereisstillapossibilitytoimprovetheperformance．Pulsecoupledneuralnetwork(PulseCoupledNeuralNetwork，PCNN)isaneu
8、ralnetworkbasedonthebiologicalbackground．Asthethirdgenerationofartificialneuralnetwork，thereisaverywiderangeofapplicationsinthefieldofimageproces
