NSCT域內(nèi)結(jié)合相位一致性激勵(lì)PCNN多聚焦圖像融合分析

　　針對(duì)傳統(tǒng)脈沖耦合神經(jīng)網(wǎng)絡(luò)（ PCNN）無(wú)法準(zhǔn)確提取多聚焦圖像聚焦區(qū)域的問(wèn)題，提出一種利用相位一致性（ PC）來(lái)檢測(cè)圖像清晰區(qū)域，并結(jié)合PCNN的多聚焦圖像融合算法。首先，利用非下采樣輪廓波變換（NSCT）對(duì)源圖像進(jìn)行多尺度分解，分別得到圖像的高頻子帶和低頻子帶；其次，通過(guò)計(jì)算高頻系數(shù)的空間頻率值（ SF）與低頻系數(shù)的相位一致性值來(lái)提取圖像高低頻子帶中的聚焦區(qū)域；然后，將SF與PC作為PCNN外部激勵(lì)來(lái)刺激PCNN神經(jīng)元點(diǎn)火，分別對(duì)圖像高低頻系數(shù)進(jìn)行融合；最后，利用逆NSCT得到最終融合圖像。實(shí)驗(yàn)采取多聚焦圖像Clock、Pepsi和Lab作為三組實(shí)驗(yàn)數(shù)據(jù)集，與傳統(tǒng)融合算法及新近提出的幾種算法進(jìn)行對(duì)比，所提算法的客觀評(píng)價(jià)參數(shù)：互信息、邊緣信息度、信息熵、標(biāo)準(zhǔn)差和平均梯度的數(shù)值均大于或十分接近于對(duì)比算法的最大值；同時(shí)從實(shí)驗(yàn)結(jié)果圖與源圖像的差值圖中可以發(fā)現(xiàn)所提算法的差值圖包含源圖像清晰區(qū)域的痕跡明顯更少。實(shí)驗(yàn)結(jié)果表明所提算法能更加準(zhǔn)確地提取出圖像的清晰區(qū)域，更好地保留圖像的邊緣與紋理等細(xì)節(jié)信息，得到更好的融合效果。

　　多聚焦圖像融合是圖像處理領(lǐng)域的一個(gè)重要分支。 就目前而言，該技術(shù)已被廣泛應(yīng)用于計(jì)算機(jī)視覺(jué)、目標(biāo)識(shí)別和人工智能等多個(gè)領(lǐng)域。在使用光學(xué)鏡頭拍攝照片時(shí)，受到光學(xué)鏡頭聚焦能力的限制，大多數(shù)關(guān)于同一場(chǎng)景的圖片會(huì)出現(xiàn)不同的焦點(diǎn)，這就導(dǎo)致圖片的某些清晰的、細(xì)節(jié)的信息只能出現(xiàn)在聚焦的區(qū)域中，而非聚焦區(qū)域的圖像信息是不易被人眼直接觀測(cè)到的 ，因此，多聚焦圖像融合技術(shù)的關(guān)鍵在于準(zhǔn)確提取多聚焦源圖像中的有用信息，來(lái)獲得張精度更高、更加清晰、更利于人眼觀察的圖片。