基于NSST与自适应SPCNN的水下偏振图像融合

Yu Jinqiang,Duan Jin, Chen Weimin,Mo Suxin,Li Yingchao,Chen Yu

Laser & Optoelectronics Progress（2020）

引用 2|浏览0

暂无评分

摘要

提出了一种基于非下采样剪切波变换(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方法.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;对两幅图像进行NSST分解获得其多尺度和多方向子带系数,通过参数自适应SPCNN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;对融合后的高频方向子带和低频方向子带进行逆NSST重建融合图像.实验结果表明,与其他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.

查看译文

关键词

image processing, underwatcr polarization image fusion, nonsubsampled shearlet transform, pulse coupled neural network

AI 理解论文

溯源树

样例

生成溯源树，研究论文发展脉络

Chat Paper

正在生成论文摘要