🍁🥬🕒摘要🕒🥬🍁
为了有效提升多源图像融合质量，提出了应用剪切波变换和脉冲耦合神经网络的图像融合方法。利用有限离散剪切波变换将图像分解为高频和低频子带，并采用小波变换二次分解低频子带；选取脉冲耦合神经网络的高频分量融合规则获取高频子带系数；利用剪切波逆变换融合多源图像高频与低频子带系数，得到最终融合图像。实验结果表明，所提出的方法融合后图像具有较优的互信息量、信息熵、加权融合质量指数、边缘信息传递量，融合后图像包含较多的细节信息，改善了图像质量。
✨🔎⚡运行结果⚡🔎✨
💂♨️👨🎓Matlab代码👨🎓♨️💂
%% SCA算法优化脉冲耦合神经网络的图像自动分割 %读取图像 pcode s.m clc;clear all; close all; I = imread('1006.jpg'); %将图像转换为灰度图 if(size(I,3)~=1) Igray = rgb2gray(I); else Igray = I; end % subplot(1,3,1),imshow(I); figure imshow(I,[]); % title('The original image'); % axis([0,200,0,200]); % axis on; %显示坐标系 I1=rgb2gray(I); % subplot(1,3,2),imshow(I1); % title('Grayscale image'); % axis([0,200,0,200]); % axis on; %显示坐标系 % J=imadjust(I1,[0.1 0.5],[]); %局部拉伸，把[0.1 0.5]内的灰度拉伸为[0 1] % subplot(2,2,3),imshow(J); % title('Linearly transform the image[0.1 0.5]'); % axis([0,200,0,200]); % grid on; %显示网格线 % axis on; %显示坐标系 K=imadjust(I1,[0.2 0.8],[]); %局部拉伸，把[0.3 0.7]内的灰度拉伸为[0 1] % subplot(1,3,3),imshow(K); % title('Linearly transform the image'); % axis([0,200,0,200]); % grid on; %显示网格线 % axis on; %显示坐标系
📜📢🌈参考文献🌈📢📜
[1]张亚加,邱啟蒙,高智强,邵建龙.基于简化脉冲耦合神经网络和改进稀疏表示的脑部图像融合算法[J].光电子·激光,2022,33(11):1225-1232.DOI:10.16136/j.joel.2022.11.0003.
