r>[0112] 4)LXy(n)为第n次迭代时线性连接输入部分中位于（i，j)处的连接输入值；
[0113] 5)UXu(n)为第n次迭代时神经元的内部活动项位于（i，j)处的值，当UXu(n)的 值大于动态阔值0Xu(n)时，神经元点火，脉冲发生输出。
[0114] 6)参数aF、aL和ae分别表示反馈输入巧。(n)、线性连接输入LXy(n)和动态 阔值0Xu(n)的衰减时间常数，且通常有ap<a9<(1,，￥。、￥讯￥9分别为反馈放大系数，连 接放大系数和阔值放大系数，通常取Vp=V^二1，同时由于V。决定了神经元点火时刻阔值 的提升程度，对神经元点火周期起着重要调节作用，因此通常取值较大。
[011引 7)位置GU)w(ij)为中心在大小为（2u+1)X(2v+1)的局部邻域中， (2U+1)X(2v+l)则被称为APC順的连接范围，U，V= 1，2…。
[0116] 8)自适应权值矩阵的选择：
[0117]
(21)
[011引其中；g(FXu(n)，FXkl(n))函数表示中屯、点R(。(n)处的像素与FXkl(n)处像素值的 差异度量，当巧U(n)与FXki(n)-样大时，令g脚U(n)，FXki(n)) -0;当巧U(n)与FXki(n) 差异比较大时，令g(FXu(n)，FXki(n)) - 1 ;g(FXu(n)，FXki(n))可W选择如下的表达方式。
[012引其中：户式,(")和0。的计算同上。
[0126] 步骤6 ;对复合偏振图像Ip和红外强度图像I的NSCT子带系数'和 (al，cr'i}进行融合；基于像素平均的原则，根据NSCT低频子带系数alp和al求解融合 系数alp;基于点火图融合原则，根据NSCT高频子带系数和{Cr'i}求解融合系数 。然后对所有尺度方向上的融合系数进行NSCT逆变换，得到红外偏振 融合图像，实现第二次融合。
[0127] 低频部分；
[0131]其中；
[0132]
巧 8)
[013引融合系数{a/,-，C7/V/}经过NSCT逆变换后，可W得到重构的融合图像Ip，最终实现 第二次融合。
【主权项】
1.基于多尺度变换与脉冲耦合神经网络的红外偏振融合方法，其特征在于：所述方法 包括以下步骤： 1】通过斯托克斯矢量表示法得到成像区域的偏振信息； 当红外偏振系统中偏振片分别旋转到0°、45°、90°和135°等4个不同位置时，获得 4个不同偏振方向的辐射强度图"（0° )、" （45° )、U (90° )和U (135° );解 算出成像区域的斯托克斯矢量S= (I，Q，U，V)T; 其中，I代表福射强度，Q表不〇°与90°线偏振光分量之差，U表不45°与135°线偏 振光分量之差，V代表右旋与左旋圆偏振光分量之差； 2】根据成像区域的偏振信息求解偏振度图像Idp和偏振角图像I AP;3】利用NSCT算法对归一化后的偏振角图像和偏振度图像进行融合，得到复合偏振图 像IP，实现第一次融合； 3. 1】将原DoP图像和原AoP图像进行NSCT分解，分别得到分解系数图3. 2】设融合图像后的复合偏振图像为IP，其对应的NSCT分解系数为：其中 aX(X = IDP、IAP、Ip)表示图像X的低频子带图像，CXM(X = IDP、IAP、Ip)表示图像X在第s 层、第1个方向子带上的高频系数； 3. 3】根据传统的像素级图像融合准则，由得到融合系数4】利用NSCT算法对复合偏振图像Ip和红外强度图像I分别进行多尺度分解，得到相 应的不同尺度，不同方向上的NSCT分解系数图； 4. 1】将复合偏振图像Ip和红外强度图像I分别进行NSCT分解，分别得到分解系数图 I4. 2】设融合图像后的复合偏振图像为If，其对应的NSCT分解系数为其中 aX(X = IP，I，IF)表示图像X的低频子带图像，CXM(X = IP，I，IF)表示图像X在第s层、第 1个方向子带上的高频系数； 5】利用APCNN算法分别得到各尺度各方向上NSCT系数图的点火图； 6】对复合偏振图像Ip和红外强度图像I的NSCT子带系数和{al，CF'1}进 行融合； 6. 1】基于像素平均的原则，根据NSCT低频子带系数alp和al求解融合系数al F; 6. 2】基于点火图融合原则，根据NSCT高频子带系数{C/f}和{ΟΓ'1}求解融合系数 6.3】对所有尺度方向上的融合系数进行NSCT逆变换，得到红外偏振融合 图像，实现第二次融合。2. 根据权利要求1所述的基于多尺度变换与脉冲耦合神经网络的红外偏振融合方法， 其特征在于：所述步骤1】斯托克斯矢量S = (I，Q，U，V)τ的具体解算方法：Q = r (0° )-1' (90。） U = I，（45。）-1' (135° ) 〇3. 根据权利要求2所述的基于多尺度变换与脉冲耦合神经网络的红外偏振融合方法， 其特征在于：所述步骤2】中求解具体步骤是： 偏振度图像Inp表示为：4. 根据权利要求3所述的基于多尺度变换与脉冲耦合神经网络的红外偏振融合方法， 其特征在于：所述步骤5】的具体步骤是： 5. 1】根据主成分分析法计算复合偏振图像和红外辐射强度图像各个高频子带系数对 应的外界激励矩阵：5. 2】将外界激励矩阵输入到APCNN模型中，激发神经元，最终得到各系数图的点火图5.根据权利要求4所述的基于多尺度变换与脉冲耦合神经网络的红外偏振融合方法， 其特征在于：步骤5】神经元模型迭代计算过程如下：神经元激发过程中，各变量的含义及参数的取值： 1,,.(//)(1 = C/^,Cr^为第n次迭代时反馈输入图中位于（i，j)处的反馈输入； KXij(Ii)为第η次迭代时点火图中位于（i，j)处的点火状态，1表示第η次迭代时位于 (i，j)处点火发生，〇表示第η次迭代时位于（i，j)处点火没有发生； KX表示经过η次迭代得到的点火图，当点火图中任意位于（i，j)处的点火值都大于1 时，即 KXij彡 1，（i = I :M，j = I :N)，停止迭代； LXij(Ii)为第η次迭代时线性连接输入部分中位于（i，j)处的连接输入值； UXij(Ii)为第η次迭代时神经元的内部活动项位于（i，j)处的值，当UXij(Ii)的值大于 动态阈值9Xi>)时，神经元点火，脉冲发生输出； 参数aF、aIi和α θ分别表示反馈输入FXijOi)、线性连接输入LXijOi)和动态阈值 ΘΧ?的衰减时间常数，且通常有a F〈 a 0〈 a L，VF、VJPV0分别为反馈放大系数，连接放 大系数和阈值放大系数，通常取V f= V1= 1 ; 位置（k，1)以（i，j)为中心，在大小为（2u+l) X (2v+l)的局部邻域中， (2u+l) X (2v+l)被称为 APCNN 的连接范围，u，V = 1，2..·。6.根据权利要求5所述的基于多尺度变换与脉冲耦合神经网络的红外偏振融合方法， 其特征在于： 自适应权值矩阵的选择：其中：S(FXijOi), FXkl (η))函数表示中心点FXij(Ii)处的像素与FXkl (η)处像素值的差异 度量，当 FXij (η)与 FXkl (η) -样大时，令 g (FXij (n)，FXkl (η)) - 0 ;当 FXij (η)与 FXkl (η)差 异比较大时，令S(FXijOi) ,FXkl (η)) - I W(FXijOi)，FXkl(n))选择如下的表达方式：其中：
【专利摘要】本发明是基于多尺度变换与脉冲耦合神经网络的红外偏振融合方法，包括以下步骤：1】通过斯托克斯矢量表示法得到成像区域的偏振信息；解算出成像区域的斯托克斯矢量S＝(I,Q,U,V)T；2】根据成像区域的偏振信息求解偏振度图像IDP和偏振角图像IAP；3】利用NSCT算法对归一化后的偏振角图像和偏振度图像进行融合，得到复合偏振图像IP；本发明基于非下采样Conterlet变换(Non-Subsampled Conterlet Tranformation，NSCT)和自适应脉冲耦合神经网络算法(Adaptive Pulse Coupled Neural Network，APCNN)算法实现偏振图和红外辐射强度图像的二次融合。其中，NSCT算法将偏振图像细节在各个方向上得到了保护，而APCNN算法提高了异类图像融合的质量。
【IPC分类】G06T5/50
【公开号】CN104978724
【申请号】CN201510156098
【发明人】谢永杰, 赵岩, 张颂, 张华良, 唐佩佳, 龙建乾
【申请人】中国人民解放军63655部队
【公开日】2015年10月14日
【申请日】2015年4月2日