首页 > 论文 > 激光与光电子学进展 > 57卷 > 06期(pp:061006)

基于NSST与自适应SPCNN的水下偏振图像融合

  • 摘要
  • 论文信息
  • 参考文献
  • 被引情况
分享:

摘要

提出了一种基于非下采样剪切波(NSST)和参数自适应简化型脉冲耦合神经网络 (SPCNN)相结合的水下偏振图像融合的方法。首先对水下目标物进行图像采集获得目标物的线偏振度图像和偏振光强图像;然后对两幅图像进行非下采样剪切波分解以获得它们的多尺度和多方向子带系数,通过参数自适应的简化型脉冲耦合神经网络模型融合两幅图像的高频方向子带系数,采用基于区域能量自适应加权的融合方法融合两幅图像的低频子带系数;最后,通过对融合后的高频方向子带和低频子带进行逆非下采样剪切波来重建融合图像。实验结果表明,与其它偏振图像融合方法相比,本文方法可以探测到水下目标物的更多细节和显著特征,主观视觉感受和客观评价方面都有较大的提升。

Newport宣传-MKS新实验室计划
补充资料

DOI:10.3788/lop57.061006

作者单位:

    长春理工大学
    长春理工大学电信学院
    长春理工大学
    长春理工大学
    长春理工大学空地激光通信国防重点实验室
    长春 卫星路7186号 长春理工大学光电工程学院

引用该论文

于津强,段锦,陈伟民,莫苏新,李英超,陈宇. 基于NSST与自适应SPCNN的水下偏振图像融合[J].激光与光电子学进展,2020,57(06):061006.