多焦图像融合与参数自适应式双通道动态值神经P系统
Bo Li1, Lingling Zhang1, Jun Liu2
1School of Computer Science and Technology, Xi'an Jiaotong University, Xi'an, Shaanxi, 710049, China; Ministry of Education Key Laboratory of Intelligent Networks and Network Security, Xi'an Jiaotong University, Xi'an, 710049, China.
概括
一个新的参数自适应双通道DTNP (PADCDTNP) 系统通过改进焦点边界检测来增强多焦点图像融合 (MFIF). 与现有方法相比,这种新的方法显著提高了融合性能和效率.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 图像处理 图像处理
背景情况:
- 多焦图像融合 (MFIF) 结合了聚焦的图像区域以获得清晰度.
- 现有的决策地图方法在准确的焦点边界检测方面存在困难.
- 动态值神经P (DTNP) 系统提供了潜力,但需要手动调和单个输入.
研究的目的:
- 引入一个新的参数自适应双通道DTNP (PADCDTNP) 系统,以改善MFIF.
- 根据PADCDTNP系统的增值机制开发一种先进的MFIF方法.
- 提高决策地图的精度和融合图像的质量.
主要方法:
- 开发了参数自适应式双通道DTNP (PADCDTNP) 系统.
- 利用来自多个输入的自适应参数估计来实现强大的边界生成.
- 实施了一种新的MFIF方法,利用PADCDTNP系统机制.
主要成果:
- 拟议的基于PADCDTNP的MFIF方法在基准数据集上实现了先进的性能.
- 与标准DTNP系统相比,性能提高了5.69%,效率提高了86.03%.
- 该方法产生了高质量的融合结果,具有强大的决策地图边界.
结论:
- PADCDTNP系统为MFIF任务提供了重大进展.
- 提出的方法克服了传统的DTNP系统和决策地图方法的局限性.
- 这项工作为高质量的多焦图像融合提供了更高效和有效的解决方案.
