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(guān)內(nèi)容在學(xué)術(shù)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(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。除了文中特別加以標(biāo)注和致謝的地方外，論文中不包含其他人或集體己經(jīng)發(fā)表或撰寫過的研究成果，對本文的研究做出貢獻(xiàn)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(quán)說明本人完全了解云南大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定，即：學(xué)校有權(quán)保留并向國家有關(guān)部門或機構(gòu)送交學(xué)位論文和論文電子版；允許論文被查閱或借閱；學(xué)?？梢怨颊撐牡娜炕虿糠謨?nèi)容，可以采用影印、縮印或其他復(fù)制手段保存論文。(保密的論文在解密后應(yīng)
2、遵循此規(guī)定)研究生簽名：她本人及導(dǎo)師同意將學(xué)位論文提交至清華大學(xué)“中國學(xué)術(shù)期刊(光盤版)電子雜志社”進(jìn)行電子和網(wǎng)絡(luò)出版，并編入CNKI系列數(shù)據(jù)庫，傳播本學(xué)位論文的全部或部分內(nèi)容，同意按《中國優(yōu)秀博碩士學(xué)位論文全文數(shù)據(jù)庫出版章程》規(guī)定享受相關(guān)權(quán)益。研究生簽名：二：一～’．導(dǎo)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(lǐng)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(xué)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(jìn)的可能性。脈沖耦合神經(jīng)網(wǎng)絡(luò)(PulseCoupledNeuralNetwork，PCNN)是一種基于生物背景的神經(jīng)網(wǎng)絡(luò)。作為第三代人工神經(jīng)網(wǎng)絡(luò)，在圖像處理領(lǐng)域，有著非常廣泛的應(yīng)用，主要用于圖像去噪、圖像分割、圖像增強等。在圖像融合領(lǐng)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(jìn)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(biāo)，來計算各個圖像塊的清晰度，以此作為圖像融合的依據(jù)。本文對PCNN模型做了較為
4、詳細(xì)的介紹，將這～模型的基本原理及實現(xiàn)方法進(jìn)行了充分的闡述，并對這一模型在圖像處理方面的應(yīng)用進(jìn)行了詳細(xì)的論述，然后對圖像分塊融合法做了介紹，最后將PCNN模型結(jié)合圖像分塊融合法應(yīng)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(jīng)網(wǎng)絡(luò)的模型結(jié)構(gòu)、工作原理和特性，以及簡化型PCNN模型和改進(jìn)型PCNN模型，并對PCNN模型在圖像處理方面的應(yīng)用進(jìn)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(biāo)進(jìn)行了闡述。三、通過對圖像進(jìn)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(biāo)準(zhǔn)的圖像分塊融合法的多聚焦圖像融合算法。實驗結(jié)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(xiàn)本文的方法都表現(xiàn)出較好的融合性能。四、由于PCNN模型的參數(shù)較多，本文提出了一種基于改進(jìn)型PCNN和采用空間頻率作為清晰度度量標(biāo)準(zhǔn)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(xiàn)本文提出算法的融合質(zhì)量從主客觀兩方面來看均較為不錯。關(guān)鍵詞：多聚焦圖像融合；脈沖耦合神經(jīng)網(wǎng)絡(luò)；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
