基于PCNN与IFS的可见光与红外图像融合方法.docx

基于PCNN与IFS的可见光与红外图像融合方法
基于PCNN与IFS的可见光与红外图像融合方法
摘要：随着计算机视觉和图像处理技术的不断发展，图像融合技术受到越来越多的关注。可见光图像和红外图像具有不同的特点和信息，利用它们之间的互补性可以提高目标检测和识别的性能。本文提出了一种基于PCNN（脉冲耦合神经网络）与IFS（不完全集合）的可见光与红外图像融合方法。首先，利用PCNN模型对可见光图像和红外图像进行分割，得到图像的边缘和纹理信息；然后，通过融合规则将分割结果融合到一起；最后，利用IFS理论对融合结果进行优化和细化。实验证明，该方法能有效地提取并融合图像的边缘和纹理信息，达到了较好的融合效果。
关键词：PCNN，IFS，可见光图像，红外图像，图像融合
1.引言
图像融合是指将多幅具有不同特征和信息的图像融合到一起，以提取图像的更多有用信息和性能增强。可见光图像和红外图像是两种常用的用于目标探测和识别的图像模态，它们具有不同的物理信息和特点。可见光图像具有丰富的颜色信息和较高的空间分辨率，但在夜间或恶劣气象条件下往往无法提供足够的信息；红外图像则具有热信息和较好的夜间探测能力，但在颜色和空间分辨率方面有限。因此，通过将可见光图像与红外图像进行融合，可以充分利用它们之间的互补性，提高目标检测和识别的性能。
2.相关技术
2.1PCNN模型
PCNN（Pulse-CoupledNeuralNetwork）是一种基于生物神经网络的模型，模拟了神经元之间的脉冲耦合和相互作用过程。PCNN模型具有自适应阈值和快速收敛等特点，可以有效地提取图像的边缘和纹理信息。
2.2IFS理论
IFS（IncompleteSet）理论是一种基于不完全集合的数学理论，用于描述一类自相似的物体或图形。通过IFS理论可以对图像进行分型分析和优化，提取图像的主要结构和特征。
3.方法
本文提出了一种基于PCNN与IFS的可见光与红外图像融合方法。具体步骤如下：
（1）图像预处理：对可见光图像和红外图像进行预处理，包括噪声去除、灰度化和直方图均衡化等操作，以提高图像质量。
（2）PCNN分割：利用PCNN模型对可见光图像和红外图像进行分割，得到图像的边缘和纹理信息。
（3）融合规则：通过融合规则将分割结果融合到一起，得到初始融合图像。
（4）IFS优化：利用IFS理论对融合图像进行优化和细化，提取图像的主要结构和特征，得到最终融合结果。
4.实验与结果
本文在包括室内和室外的多个场景中进行了实验，使用了一组包括可见光图像和红外图像的数据集。实验结果表明，基于PCNN与IFS的可见光与红外图像融合方法能够有效地提取并融合图像的边缘和纹理信息，达到了较好的融合效果。与传统的融合方法相比，本方法具有更高的图像融合质量和更好的目标检测性能。
5.总结与展望
本文提出了一种基于PCNN与IFS的可见光与红外图像融合方法，通过利用PCNN模型提取图像的边缘和纹理信息，并利用IFS理论优化和细化融合结果，实现了多模态图像融合的效果。实验结果表明，该方法在图像融合方面具有一定的优势和潜力。然而，该方法还有一些局限性，如对PCNN参数的依赖性较高，对图像的预处理要求较严格等。未来的研究可以进一步优化和改进这些问题，提高方法的鲁棒性和通用性，以更好地适应不同场景和应用需求。
参考文献：
[1]WannousH,BourennaneS,‘Imagefusionusinganewpulse-coupledneuralnetworkwithmodifiedPCNNstopconditionanditsapplicationtotemperatureprofileextractioninbuildingfires’,InfraredPhysics&Technology,2014,64:54-64.
[2]SoniA,BajajM,‘Areviewonimagefusiontechniquefornightvisionsystem’,JournalofSignalProcessingSystems,2018,90(7):781-797.
[3]YangX,GuoC,‘Anewfusionmethodforvisibleandinfraredimagesbasedonregionalenergyandedgepixels’,JournalofImageandGraphics,2019,24(5):797-804.