改进的双向脉冲耦合神经网络及其在多聚焦图像融合中的应用
计算机视觉与模式识别
2022-02-01 v2
摘要
本文提出一种用于图像融合的改进双向脉冲耦合神经网络（IDC-PCNN）模型。该模型可克服标准 PCNN 模型的一些缺陷。在此融合方案中，双向脉冲耦合神经网络（DC-PCNN）模型信息融合池中的乘法规则被加法规则替代。同时采用了修正拉普拉斯（SML）度量和，其优于其他聚焦测度。该方法不仅继承了标准 PCNN 模型的优良特性，还提升了计算效率与融合质量。所提方法的性能通过使用平均交叉熵、均方根误差、峰值信噪比和结构相似性指数四项准则进行评估。对比研究表明，所提融合算法优于标准 PCNN 方法与 DC-PCNN 方法。
引用
@article{arxiv.2002.01102,
title = {Improved dual channel pulse coupled neural network and its application to multi-focus image fusion},
author = {Huai-Shui Tong and Xiao-Jun Wu and Hui Li},
journal= {arXiv preprint arXiv:2002.01102},
year = {2022}
}
备注
16 pages, 7 figures, 9 tables