基于多输入细胞神经网络上下文隐马尔可夫模型的图像融合方法
蒋钰婷
罗晓清
江南大学人工智能与计算机学院 江苏无锡 214122
摘要：上下文隐马尔可夫模型(contextual hidden markov model,CHMM)能够有效地利用多尺度系数间的相关性,得到图像系数的精确表示,但是传统的上下文计算方法仅针对邻域内的单个系数进行计算,没有考虑到局部甚至全局系数的影响.针对以上问题,提出了一种新的基于多输入细胞神经网络(multi-input cellular neural network,MCNN)的CHMM模型并用于图像融合.利用MCNN的动态传播效应得到全局优化的上下文变量,并通过网络的迭代循环进一步提高特征提取的准确性和鲁棒性.然后在高频系数上建立CHMM模型,基于系数的细节性采用加权的融合规则得到高频融合子带,低频子带采用基于区域能量取大的融合规则.实验检验了方法的有效性.
关键词：图像融合多输入细胞神经网络上下文隐马尔可夫模型上下文变量
资助基金：国家自然科学基金(61772237)
论文发表日期：2021-06-28
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：3( 22-24 )