基于蛇视觉成像机制和PCNN的图像融合方法

科学领域:

• 计算机视觉 计算机视觉
• 生物仿真工程 生物仿真工程

背景情况:

• 图像融合丰富了图像质量,以便更好地分析,红外和可见图像融合变得越来越重要.
• 深度学习在图像融合中很普遍,但通常需要大量的数据集,这些数据集并不总是可用.
• 蛇的视觉机制,处理红外和可见信息,提供了对图像融合的生物方法,而无需大量的训练数据.

研究的目的:

• 开发一种由蛇视觉机制启发的新型红外和可见图像融合方法.
• 通过整合脉冲合神经网络 (PCNN) 来解决现有的蛇式融合方法中不清楚细节的局限性.
• 创造一种不需要大量训练数据的融合技术.

主要方法:

• 研究了视网膜神经细胞的受体场模型和蛇的双模式细胞成像机制.
• 开发了基于蛇的视觉系统的数学模型,并将其与脉冲合神经网络 (PCNN) 集成.
• 基于这些生物原理,为红外和可见图像提出了改进的融合算法.

主要成果:

• 拟议的融合方法在11组源图像上进行了测试.
• 使用三个非参考图像质量评估指数来评估性能.
• 与其他七种融合方法相比,改进的算法在所有三个指数中都表现出优越的整体性能.

结论:

• 仿生灵感的PCNN增强的图像融合方法有效地提高了图像质量和细节.
• 这种方法克服了对大型培训数据集的需求,使其适用于数据稀缺的应用程序.
• 拟议的方法代表了红外和可见图像融合技术的重大进步.