[发明专利]一种基于NSST域IICM的多传感器图像融合方法

摘要

本发明公开了一种基于NSST域IICM的多传感器图像融合方法，步骤1：构建IICM模型；步骤2，输入所有待融合的多传感器源图像进行NSST变换，每幅待融合多传感器源图像分别得到一幅低频子带图像和多幅高频子带图像；步骤3，将所有高频子带图像和低频子带图像导入IICM模型，完成低频子带图像的融合和高频子带图像的融合；步骤4，将最终融合图像的高频子带图像和低频子带图像进行NSST逆变换，得到最终融合图像。该方法针对经典ICM模型提出其改进模型—IICM，利用NSST完成多传感器源图像的多分辨率分析和最终融合图像的重构工作，采用IICM进行高、低频子带图像融合，使多传感器图像融合问题得到合理解决。

主权项

1.一种基于NSST域IICM的多传感器图像融合方法，其特征在于，该方法具体包括以下步骤：步骤1，构建IICM模型，IICM模型的离散数学表达式如式1～式4所示：F_ij[n]＝S_ij(1)θ_ij[n]＝θ_ij[n-1]-Δ+hY_ij[n](3)其中，下标ij为交叉视觉皮层神经元的定位标号；n为迭代次数，n的取值为非负整数；F_ij,S_ij,Y_ij,θ_ij分别是定位标号为ij的神经元的树突输入、神经元的外部输入、神经元的二值输出和动态阈值；S_ij采用图像中像素点对应的像素值；Δ为调整步长，取15；h为阈值幅度常数，取500；T为时间矩阵，其与神经元输出矩阵Y大小相等，其元素T_ij与Y_ij相联系，T_ij等于Y_ij为1时即神经元ij点火时所对应的迭代次数n的值；步骤2，输入所有待融合的多传感器源图像，并对它们分别进行NSST变换，尺度分解级数为K，l_k为k尺度下的方向分解级数，其中1≤k≤K，每幅待融合多传感器源图像分别得到一幅低频子带图像和多幅高频子带图像；步骤3，将所有高频子带图像和低频子带图像导入步骤1构建的IICM模型，根据预先设定的调整步长Δ，执行步骤3.1完成低频子带图像的融合，执行步骤3.2完成高频子带图像的融合；步骤4，将步骤3获得的最终融合图像的高频子带图像和最终融合图像的低频子带图像进行NSST逆变换，得到最终融合图像。