[发明专利]基于NSCT及深度信息激励PCNN的多聚焦图像融合方法

摘要

本发明公开了一种基于非下采样Contourlet变换及深度信息激励PCNN的多聚焦图像融合方法。它是对输入的多聚焦源图像进行多尺度多方向的非下采样Contourlet变换后生成一个低频子带图像及一系列的高频子带图像。再对低频子带采取基于子带系数的边缘信息能量来得到低频子带系数，对高频子带采取改进的PCNN模型确定各带通的子带系数。最后通过非下采样Contourlet逆变换得到融合图像。改进的PCNN主要体现在利用采用能够较好描述图像方向及纹理信息的改进拉普拉斯能量和(SML)与图像深度信息结合的因子作为模型的输入，而不像大多数基于PCNN算法将像素灰度值作为模型输入项。本发明方法能够很好的运用于图像融合领域中，不论从客观评价指标还是主观视觉效果，实验结果表明本发明发放能够得到更加符合人眼视觉规律的融合结果。

主权项

一种基于非下采样Contourlet变换及深度信息激励PCNN的多聚焦图像融合方法其特征在于，对多聚焦的源图像进行多尺度多方向的非下采样Contourlet变换后，对低频子带和高频子带采取不同的融合规则得到融合子带系数，高频子带采用改进的PCNN模型确定融合系数，最后通过非下采样Contourlet逆变换得到融合图像。