• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于MSPCNN與FCM的紅外與可見光圖像融合

    2023-02-04 03:22:28王國棟
    紅外技術(shù) 2023年1期
    關(guān)鍵詞:子帶紅外聚類

    邸 敬,王國棟,馬 帥,廉 敬

    基于MSPCNN與FCM的紅外與可見光圖像融合

    邸 敬,王國棟,馬 帥,廉 敬

    (蘭州交通大學 電子與信息工程學院,甘肅 蘭州 730070)

    針對紅外和可見光圖像融合存在的輪廓信息不全、邊緣及紋理細節(jié)信息缺失等問題,提出一種改進簡化脈沖耦合神經(jīng)網(wǎng)絡(Improved Simplified Pulse Coupled Neural Network, MSPCNN)和模糊C-均值(Fuzzy C-mean, FCM)圖像融合算法。首先,將紅外和可見光圖像用非下采樣剪切波算法(Non-Subsampled Shearlet Transform,NSST)分解為高低頻子帶;然后對分解后的高頻子帶采用MSPCNN融合,用一種高斯分布權(quán)重矩陣進行處理,增強細節(jié)信息和對比度;接著,將得到的低頻子帶圖像使用FCM聚類算法進行聚類中心提取,設置聚類中心近似閾值簡化過程,實現(xiàn)背景分類提?。蛔詈罄鸑SST進行逆變換,從而完成紅外和可見光的圖像融合過程。通過客觀評價指標計算,本文所提方法在平均梯度、標準差、平均相似度等參考指標上相對于其他同類型算法均有改善提高,由于模型參數(shù)的簡化,算法運行速度相對于其他算法得到提升,算法更適用于復雜場景。

    圖像融合;非下采樣剪切波算法;脈沖耦合神經(jīng)網(wǎng)絡;模糊C-均值

    0 引言

    在一些存在云、煙、霧等惡劣環(huán)境的時候,即使是光照不是很好的條件下,紅外圖像仍然可以對需要的目標圖像有一定的檢測能力[1],缺陷是在成像后,分辨率較低,在一些細節(jié)方面并不能很好地呈現(xiàn),且背景模糊[2]的目標??梢姽鈭D像相較于紅外圖像可以使捕獲的目標相對清晰,含有充分細節(jié)信息,目標成像后的分辨率較高,但是當環(huán)境惡劣或者光照不足時會導致成像效果變差,產(chǎn)生嚴重干擾[3]。因此采用多尺度分解技術(shù)提取兩種圖像各自高低頻子帶的特征信息,通過對兩種特征的有效結(jié)合,既可以使目標細節(jié)信息充足而且使場景清晰,在天氣惡劣的情況下能夠?qū)崟r、精準地對目標進行成像[4]。目前,紅外與可見光圖像融合的應用場景是軍事、安全、空間、醫(yī)學和目標識別等領(lǐng)域[5]。

    非下采樣剪切波(Non-Subsampled Shearlet Transform, NSST)算法是一種多尺度變換方法,相較于其他算法,它的功能更加完備,有各向異性、物體平移不變性以及多分辨率較好等優(yōu)勢[6],當圖像邊緣處存在偽吉布斯現(xiàn)象時,NSST可以有效解決,應用NSST在圖像融合上的算法經(jīng)過對高低頻子帶的處理之后,得到的融合圖像效果優(yōu)于輪廓波變換、小波變換[7]以及非下采樣輪廓波變換(Non-Subsampled Contourlet Transform, NSCT)[8]等傳統(tǒng)多尺度變換方法。近些年,各種融合方法不斷涌現(xiàn),尤其是利用NSST變換的分析法先實現(xiàn)圖像分解[9],其具備多尺度、平移不變性、方向多樣化等優(yōu)勢。文獻[10]提出的融合算法是通過將NSST與脈沖耦合神經(jīng)網(wǎng)絡(Pulse Coupled Neural Network, PCNN)聯(lián)合,該算法對提取后的高頻子帶圖像使用自適應PCNN進行處理,可以保留圖像細節(jié)信息,但該方法相對實現(xiàn)復雜且參數(shù)難以設置。PCNN作為第三代人工神經(jīng)網(wǎng)絡[11]具有神經(jīng)元的動態(tài)性、脈沖發(fā)放的同步化以及動態(tài)性、乘性調(diào)制作用等6個特征,基于此,PCNN倍受關(guān)注具有很大的發(fā)展前景。文獻[12]提出NSCT與PCNN神經(jīng)網(wǎng)絡模型結(jié)合的圖像融合算法,該算法使用加權(quán)濾波優(yōu)化PCNN處理之后的高頻子帶,使得最終融合效果明顯提升,缺點是實時性較差且計算復雜度高,不易應用到實際環(huán)境中。文獻[13]提出的融合算法是基于PCNN與IFS(Iterator Function System),該算法對PCNN的點火時間進行優(yōu)化縮減,并應用到高頻子帶,更好地保留了圖像邊緣特征,但在實際操作中需要人工提前對參數(shù)進行設置,操作相對困難。模糊C-值(Fuzzy C-mean, FCM)是一種對樣本先進行模糊歸屬的劃分方法,屬于無監(jiān)督模式算法的一種[14],其分類性能相對優(yōu)異。文獻[15]提出NSST和FCM結(jié)合的融合算法,低頻子帶使用FCM進行迭代分類處理,可以較好保留原圖背景信息,但FCM迭代過程相對復雜,算法運算速率受到影響[16]。

    針對上述問題,在高低頻子帶融合過程中,若是將傳統(tǒng)PCNN模型直接應用其中并不能很好地使低頻子帶中的信息完整保留,因此,本文提出一種基于MSPCNN-FCM的紅外與可見光圖像融合改進算法。該算法先通過NSST對圖像進行分解提取得到高子帶圖像和低頻子帶圖像,這些子帶圖像分別來自紅外和可見光圖像,隨后利用MSPCNN對高頻子帶圖像進行融合處理,通過FCM對所提取到的低頻子帶圖像進行融合處理。

    1 數(shù)學模型

    1.1 NSST變換

    Guo和Labate針對NSCT計算復雜度過高無法應用在實時性要求高的場合的問題提出Shearlet變換[17],但是Shearlet變換在圖像處理時利用下采樣在圖像邊緣產(chǎn)生吉布斯效應。Easley等在Shearlet變換上進行改進[18],在處理圖像時避免了下采樣,因此NSST變換被提出。圖1表示的是NSST分解過程的框架,可劃分為多尺度分解與方向局部化兩個步驟[19],在多尺度分解的過程中,需要對最開始的圖像進行分解,采用非下采樣金字塔變換(NSP)原始圖像分解成高低頻子帶圖像,不存在中頻子帶。將所得到的低頻子帶圖像再次通過NSP分解,當達到提前設置的分解次數(shù)時結(jié)束分解操作[20],因此當原始的二維圖像經(jīng)過次NSP分解后,得到的高頻分量會有個,而低頻圖像僅有一個,這些圖像的尺寸大小與源圖像的一致;而方向局部化則表示在經(jīng)過多次NSP分解后所得到的高頻子帶圖像處,先構(gòu)造一個剪切波濾波器(Shear-wave Filter, SF),將二者進行卷積后會得到所有方向的詳細信息。為了保證變換過程中的平移不變形,將SF應用到剪切波變換,利用其平移不變性實現(xiàn)偽極化網(wǎng)格系統(tǒng)映射到笛卡兒坐標系統(tǒng),避免下采樣過程。

    圖1 NSST變換分解過程

    1.2 MSPCNN模型

    通過模擬動物視覺皮層系統(tǒng)處理信號的過程,一種新型的神經(jīng)網(wǎng)絡模型——脈沖耦合神經(jīng)網(wǎng)絡模型被提出。為了區(qū)別于傳統(tǒng)神經(jīng)網(wǎng)絡,對圖像進行處理的操作時,PCNN不用訓練樣本的步驟,可以極大地提高運行速度,有效提升了圖像處理的時效性。然而PCNN模型結(jié)構(gòu)復雜、參數(shù)復雜。針對此,采用一種基于高斯分布的權(quán)重矩陣設置方法,將傳統(tǒng)PCNN模型中的權(quán)重矩陣參數(shù)和鏈接強度參數(shù)合并為一個參數(shù),提出改進簡化的MSPCNN。針對圖像高頻部分,使用MSPCNN算法能夠有效地保證高頻子帶融合效果,并且因為參數(shù)的簡化,算法運行速度得到提升。具體模型如圖2所示。

    圖2 MSPCNN模型

    數(shù)學方程式為:

    式中:代表迭代次數(shù);U代表活動項,位于神經(jīng)元內(nèi)部;Y表示神經(jīng)元的輸出值;E表示神經(jīng)元的門限或者稱為神經(jīng)元動態(tài)點;S表示神經(jīng)元所收到的外部激勵;是反饋輸入?yún)^(qū)的加權(quán)矩陣。

    1.3 FCM均值算法

    FCM算法是屬于質(zhì)心算法的一種,圖像處理過程中不用預分類,識別模式屬于無監(jiān)督。處理過程中,第一步確定樣本對不同類的隸屬度,當需要描述邊緣像素時,就利用提前賦予的隸屬度實現(xiàn)完整描述,通過迭代算法得到的數(shù)據(jù)可完成自動分類,由此可以看出FCM算法的優(yōu)點是對于性能分類的能力較強。FCM算法在分類之前需要計算出相對應的歐氏距離,需要應用某個最優(yōu)準則去優(yōu)化目標函數(shù)。

    設個數(shù)據(jù)樣本={1,2, ……, x}是樣本集,其中,x表示樣本中所包含的元素,代表樣本集中存在的個數(shù),通過FCM算法可將樣本集劃分成個子集1,2, ……, X,在隸屬度下求解滿足要求的劃分方式可以轉(zhuǎn)換為求數(shù)學規(guī)劃的方法。目標函數(shù)的數(shù)學公式為:

    約束條件為:

    2 融合過程

    本文的融合方法是先用NSST對紅外與可將光圖像進行分解得到各自相對應的高低頻子帶圖像。針對目前算法不能很好地保留圖像局部的邊緣和細節(jié)信息,高頻子帶采用MSPCNN進行處理,低頻子帶采用FCM算法進行處理,高低頻子帶融合過程同步進行。最后使用逆NSST變換合成最終融合圖像。算法的具體處理流程如圖3所示。

    1)利用NSST變換提取紅外和可見光圖像各自對應的高低頻子帶圖像。

    2)對經(jīng)NSST分解得到的高頻子帶采用MSPCNN進行融合,采用一種高斯分布的權(quán)重矩陣控制內(nèi)部活動項以及神經(jīng)元點火過程之后的動態(tài)閾值變化值。將提取的高頻圖像特征作為MSPCNN的刺激輸入,可以充分保留圖像的細節(jié)信息,得到新的融合高頻子帶圖像。

    3)對得到的低頻子帶采用FCM進行融合處理,計算選取聚類中心和數(shù)據(jù)隸屬度并進行分類,設置聚類中心近似閾值簡化計算過程,處理結(jié)束得到新的融合低頻子帶圖像。

    4)將各自進行處理的融合高低頻子帶圖像經(jīng)過逆NSST變換,輸出獲得所需的紅外與可見光融合圖像。

    2.1 高頻融合過程

    高頻子帶圖像反映源圖像的邊緣、輪廓等信息。輸入激勵的選取優(yōu)化可以增強融合圖像的整體信息和對比度。本文對高頻融合規(guī)則采用MSPCNN模型,提取高頻子帶信息并簡化參數(shù),提升高頻融合效果。選用高頻子帶絕對值作為MSPCNN的激勵記為IV,并將其作為MSPCNN網(wǎng)絡中的反饋輸入。即:

    U[]=I, Y[]=V(6)

    將高頻分量輸入之后,采用一種基于高斯分布的權(quán)重矩陣設置方法,它將傳統(tǒng)PCNN模型中的權(quán)重矩陣參數(shù)和鏈接強度參數(shù)合并為一個參數(shù),該參數(shù)控制鄰域神經(jīng)元與中心神經(jīng)元的作用力的大小,其表達式如下:

    圖3 MSPCNN與FCM結(jié)合的圖像融合模型

    為了更好地控制內(nèi)部活動項的大小,增加了調(diào)節(jié)參數(shù),通過大量實驗該參數(shù)可被設定為:

    =e-2(8)

    為了更好地調(diào)節(jié)動態(tài)閾值的大小,引入了動態(tài)閾值調(diào)節(jié)參數(shù),該參數(shù)的表達式為:

    =e-4(9)

    為了更加精確控制神經(jīng)元點火以后動態(tài)閾值的變化值,引入了乘積因子和加性因子,它們的表達式如下:

    =¢+¢8(10)

    =1 (11)

    式中:¢表示整幅圖像的大津閾值;¢8的主要作用是用來對動態(tài)閾值進行微調(diào)。最后根據(jù)內(nèi)部活動項的變化規(guī)律對幅度參數(shù)進行設置,該參數(shù)的表達式為:

    =e-+e-2+e-3+e-4(12)

    2.2 低頻融合過程

    源圖像的背景信息等需要從低頻子帶圖像中提取,為了準確、快速地提取所需的目標和背景信息。FCM需要反復計算選取聚類中心和數(shù)據(jù)隸屬度并進行分類,具體計算公式如下:

    計算樣本x對于類A的隸屬度u和個聚類中心{v}:

    I={|2≤<;d=0},對于所有的類,∈I,u=0。

    式中:是參考點的數(shù)值。

    為簡化選取過程,提出一個聚類中心近似閾值D進行輔助選取,用于表示第x個像素點到其他任一像素點的距離。D的表達式為:

    通過不斷計算D值來確定不同的下一個聚類中心,距離聚類中心越近的像素點D值越小,可以排除成為聚類中心的可能,通過和閾值大小的比較可以減少原算法計算聚類中心的迭代次數(shù),降低算法所需要的時間,提升運行速度。通過簡化迭代過程,可以快速獲取到全部的聚類中心,同時計算樣本對于各個中心的隸屬度,完成整個聚類劃分過程實現(xiàn)低頻子帶特征提取與融合。

    3 實驗結(jié)果與分析

    為驗證本文算法的可行性與有效性,實驗中分別選取單人、多人、物體、有霧、人物被遮擋以及人的細節(jié)6組不同的紅外與可見光圖像場景進行融合,并與其他6種算法進行比較,對性能進行數(shù)值上體現(xiàn)比較。從主觀感受與客觀指標兩方面分別對融合圖像進行評價:主觀感受方面對本文算法得到的融合圖像與其他6種算法得到的融合圖像進行視覺效果比較;客觀方面從平均梯度(Average,AVG)、結(jié)構(gòu)相似性(Structure Similarity, SSIM)、邊緣保留因子(Questions about Behavioral Functions,AB/F)、峰值信噪比(Peak signal-to-noise ratio,PSN)、空間頻率(Spatial frequency,SF)、圖像清晰度(Full Definition,F(xiàn)D)以及時效性7個方面進行評價。對比的6種算法為:基于PCA的融合方法,基于NSCT-PCNN的融合方法、基于NSST-PCNN的融合方法、基于PCNN-IFS的融合方法,基于NSST-FCM的融合方法,基于NSST-PA-PCNN的融合方法。

    3.1 主觀評價

    從圖4對比結(jié)果中可以直觀看出,第一組基于PCA方法得到的融合圖像對比度和清晰度低,圖像邊緣在不同場景中都較為模糊,所提取目標表現(xiàn)過暗,并且會出現(xiàn)一些偽影現(xiàn)象,且運算效率不高,本文算法在保證對比度和清晰度的同時極大提升了算法效率。第二組基于NSCT-PCNN方法得到的圖像不能完全提取所需要的背景細節(jié)信息,人物細節(jié)模糊,本文算法可以保留所需的可見光背景。第三組基于NSST-PCNN方法得到的融合圖像缺失了部分紅外目標信息,本文算法可以很好地提取所需紅外目標信息,并保證相對應的背景信息。第四組基于PCNN-IFS方法得到的融合圖像對比度和灰度層次感相對不足,本文算法可以比較好地提升對比度信息。第五組基于NSST-FCM方法得到的融合圖像雖然能有效地突出所提取的前置目標信息,但丟失了部分細節(jié)、紋理信息。第六組基于NSST-PA-PCNN方法得到的融合圖像存在部分人造偽影。相比較,本文算法對所需要提取的目標紋理保留得較為完整,且有效地表現(xiàn)出需要標注的區(qū)域。

    圖4 不同算法在6種不同場景下的融合圖像

    3.2 客觀評價

    為了客觀地評價圖像的融合效果,本文采用了上文所述的客觀評價指標,計算6種對比算法和本文算法的指標值,計算結(jié)果如表1所示。

    表1 不同方法的客觀評價指標均值

    從表1中可以看出:本文算法在6組不同的融合圖像上分別能對不同客觀指標做到優(yōu)化提升,以第一個場景為例,本文算法的AVG、SSIM以及PSN均優(yōu)于其他幾種算法,SF和FD僅次于基于NSST-FCM的方法,而AB/F低于基于PCNN-IFS的方法、基于NSST-FCM的方法,與主觀視覺觀察到的圖像相呼應。本文算法在最終融合圖像中表現(xiàn)良好,能夠有效地提取高低頻子帶信息并體現(xiàn)在最終融合圖像中,突出兩種源圖像的各自特點。

    記錄本文算法和其他6組對比算法的運行時間,統(tǒng)計結(jié)果如表2所示,本文算法相比其他6組實驗,運行速度在不同場景都能做到相應優(yōu)化。由于本文改進的MSPCNN對于參數(shù)的減少、FCM迭代過程的優(yōu)化有效降低了計算復雜度,時效性具有明顯優(yōu)勢。通過對主觀效果圖的直接觀察以及對計算得出的客觀指標評價比對,可以看出本文算法在最終融合圖像效果勝于表中所列其余算法。

    表2 不同算法在6種不同場景下的融合時間

    4 結(jié)論

    本文算法先用NSST分解提取紅外與可見光圖像的高低頻子帶,然后對高低頻子帶采用不同的方法同步進行融合:對于高頻部分使用改進簡化的MSPCNN模型進行處理,在保證所需要的提取信息時,簡化模型參數(shù)提升運行速度,保證得到的高頻子帶圖像融合效果;對于低頻部分使用FCM進行處理,設置閾值簡化迭代,快速實現(xiàn)對于提取的低頻子帶圖像融合。實驗結(jié)果觀察最終融合圖像的主觀表現(xiàn),計算對比客觀指標的數(shù)據(jù),綜合評估下可以驗證本文算法的可行優(yōu)異性。

    [1] WANG Z G, WEI W, SU B. Multi-sensor Image fusion algorithm based on multiresolution analysis[J]., 2018, 14(6): 44.

    [2] SHEN Yu, CHEN Xiaopeng, YUAN Yubin, et al. Infrared and visible image fusion based on significant matrix and neural network[J]., 2020, 57(20): 56.

    [3] González José R, Dami?o Charbel, Moran Maira, et al. A computational study on the role of parameters for identification of thyroid nodules by infrared images (and comparison with real data) [J]., 2021, 21(13): 4459.

    [4] XING Xiaoxue, LIU Cheng, LUO Cong, et al. Infrared and visible image fusion based on nonlinear enhancement and NSST decomposition[J]., 2020(1): 125.

    [5] ZHANG Kang, HUANG Yongdong, YUAN Xia, et al. Infrared and visible image fusion based on intuitionistic fuzzy sets[J]., 2020(4): 85.

    [6] LIU Zhanwen, FENG Yan, CHEN Hang, et al. A fusion algorithm for infrared and visible based on guided filtering and phase congruency in NSST domain[J]., 2017, 97(6): 23.

    [7] 王麗麗, 劉輝, 郭肇祿. 圖像融合在域內(nèi)的算法研究進展[J].計算機技術(shù)與發(fā)展, 2021, 31(11): 8-14.

    WANG Lili, LIU Hui, GUO Zhaolu. Research progress of image fusion algorithm in domain [J]., 2021, 31(11): 8-14.

    [8] 徐慧嫻, 黃坤超, 陳明舉, 等. 基于深層次多分類生成對抗網(wǎng)絡的紅外與可見光圖像融合方法[J/OL].電子測量技術(shù), 2022, 3: 1-10.

    XU Huixian, HUANG Kunchao, CHEN Mingju, et al. Infrared and visible image fusion method based on deep multi classification to generate countermeasure network [J/OL]., 2022, 3: 1-10

    [9] 許麗娜, 周丹丹, 高翾, 等.一種結(jié)合GIHS、NSST和PCA的全色多光譜影像融合方法[J/OL]. 武漢大學學報: 信息科學版, 2022, 3: 1-17.

    XU Lina, ZHOU Dandan, GAO Zhen, et al. A panchromatic multispectral image fusion method combining GHIS, NSST and PCA [J/OL].: Information Science Edition, 2022, 3: 1-17.

    [10] 李向陽, 曹宇彤, 陳笑, 等. 基于自適應NSST-PCNN的紅外與可見光圖像融合方法研究[J]. 長春理工大學學報: 自然科學版, 2021, 44(5): 12-18.

    LI Xiangyang, CAO Yutong, CHEN Xiao, et al. Research on infrared and visible image fusion method based on adaptive nsst-pcnn [J].: Natural Science Edition, 2021, 44(5): 12-18.

    [11] SHEN Yu, YUAN Yubin, PENG Jing. Research on near infrared and color visible fusion based on PCNN in transform domain[J].2021, 41(7): 65.

    [12] 劉帥, 王磊, 郝永平, 等. 基于NSCT與改進PCNN的紅外與可見光圖像融合方法研究[J]. 光電技術(shù)應用, 2021, 36(4): 60-65.

    LIU Shuai, WANG Lei, HAO Yongping, et al. Research on infrared and visible image fusion method based on NSCT and improved PCNN [J]., 2021, 36(4): 60-65.

    [13] 戴文戰(zhàn), 王琪. 基于PCNN與IFS的可見光與紅外圖像融合方法[J]. 光電子·激光, 2020, 31(7): 738-744.

    DAI Wenzhan, WANG Qi. Visible and infrared image fusion method based on PCNN and IFS [J].2020, 31(7): 738-744.

    [14] WU Chenwen, MA Ning, JIANG Yufan. Weighted FCM clustering algorithm based on jeffrey divergence similarity measure[J]., 2021, 58(8): 67

    [15] 鞏稼民, 劉愛萍, 張晨, 等. 基于FCM與ADSCM的紅外與可見光圖像融合[J]. 激光與光電子學進展, 2020, 57(20): 222-230.

    GONG Jiamin, LIU Aiping, ZHANG Chen, et al. Infrared and visible image fusion based on FCM and adscm[J]., 2020, 57(20): 222-230.

    [16] ZHANG Hongna, YAN Wei, ZHANG Chunyou, et al. Research on image fusion algorithm based on NSST frequency division and improved LSCN[J]., 2021, 26(5): 53.

    [17] GUO K, Labate D. Optimally sparse multidimensional representation using shearlets[J].s, 2007, 39(1): 298-318.

    [18] Easley G, Labate D, LIM W Q. Sparse directional image representation using discrete shearlet transform[J]., 2008, 25(1): 25-46.

    [19] YAN Peizhou, ZOU Jiancheng, LI Zhengzheng, et al. Infrared and visible image fusion based on NSST and RDN[J]., 2021, 28(1): 35.

    [20] TAN Wei, ZHANG Jiajia, XIANG Pei, et al. Infrared and visible image fusion via NSST and PCNN in multiscale morphological gradient domain[J].VI, 2021, 11353: 54.

    Infrared and Visible Image Fusion Based on MSPCNN and FCM

    DI Jing,WANG Guodong,MA Shuai,LIAN Jing

    (School of Electronic and Information Engineering, Lanzhou Jiaotong University, Lanzhou 730070, China)

    Aiming at the problems of incomplete contour information, missing edge and texture details in infrared and visible image fusion, A Improved Simplified Pulse Coupled Neural Network (MSPCNN) and Fuzzy C-mean (FCM) image fusion algorithm is proposed. First, infrared and visible images were decomposed into high and low frequency sub-bands using the Non-Subsampled Shearlet Transform (NSST).Then MSPCNN is used to fuse the decomposed high frequency subband, and a Gaussian distribution weight matrix is used for processing to enhance the detail information and contrast. Then, the obtained low-frequency sub-band images were extracted by using FCM clustering algorithm, and the approximate threshold of clustering center was set to simplify the process to achieve background classification extraction.Finally, the inverse transformation of NSST is carried out to complete the infrared and visible image fusion process.Through objective evaluation index calculation, compared with other algorithms of the same type, the method proposed in this paper has been improved in terms of average gradient, standard deviation, average similarity and other reference indexes. As the running speed of simplified algorithm of model parameters has been improved, the timeliness of the algorithm in this paper has been improved compared with other algorithms, and the algorithm is more suitable for complex scenarios.

    image fusion, non-subsampled shearlet transform, pulse coupled neural network, fuzzy C-mean

    TP391.9

    A

    1001-8891(2023)01-0069-08

    2022-06-29;

    2023-01-12.

    邸敬(1979-),女,甘肅蘭州人,碩士,副教授,碩士生導師,主要從事圖像檢測識別、信號處理技術(shù)和寬帶無線通信方面的研究。E-mail: 46891771@qq.com。

    甘肅省科技技術(shù)資助(22JR5RA360);國家自然科學基金(62061023,61941109);甘肅省高等學校創(chuàng)新能力提升項目(2019B-052);甘肅省杰出青年基金(21JR7RA345)。

    猜你喜歡
    子帶紅外聚類
    網(wǎng)紅外賣
    一種基于奇偶判斷WPT的多音干擾抑制方法*
    閃亮的中國紅外『芯』
    金橋(2021年4期)2021-05-21 08:19:20
    子帶編碼在圖像壓縮編碼中的應用
    電子制作(2019年22期)2020-01-14 03:16:24
    TS系列紅外傳感器在嵌入式控制系統(tǒng)中的應用
    電子制作(2019年7期)2019-04-25 13:17:14
    基于DBSACN聚類算法的XML文檔聚類
    電子測試(2017年15期)2017-12-18 07:19:27
    基于快速遞推模糊2-劃分熵圖割的紅外圖像分割
    基于虛擬孔徑擴展的子帶信息融合寬帶DOA估計
    基于改進的遺傳算法的模糊聚類算法
    一種層次初始的聚類個數(shù)自適應的聚類方法研究
    看片在线看免费视频| 欧美午夜高清在线| 亚洲国产日韩欧美精品在线观看 | h日本视频在线播放| 日本一本二区三区精品| 国产成人aa在线观看| 一个人观看的视频www高清免费观看| 十八禁网站免费在线| 国产精品久久久人人做人人爽| 搡老岳熟女国产| 中文字幕av成人在线电影| 人妻夜夜爽99麻豆av| 亚洲av五月六月丁香网| 国产亚洲精品一区二区www| 午夜精品一区二区三区免费看| 色综合欧美亚洲国产小说| 久久久国产成人免费| 天天躁日日操中文字幕| 我要搜黄色片| 亚洲七黄色美女视频| 免费观看人在逋| 亚洲av电影在线进入| 少妇的逼好多水| 亚洲精品色激情综合| 日韩欧美精品v在线| 亚洲美女黄片视频| 欧美日韩黄片免| 老熟妇乱子伦视频在线观看| 午夜视频国产福利| 亚洲国产中文字幕在线视频| 色综合欧美亚洲国产小说| 老司机午夜福利在线观看视频| 久久精品国产99精品国产亚洲性色| 国产69精品久久久久777片| 国产日本99.免费观看| 国内精品久久久久久久电影| 久9热在线精品视频| a在线观看视频网站| 天天躁日日操中文字幕| 色播亚洲综合网| 亚洲av第一区精品v没综合| 听说在线观看完整版免费高清| 九九热线精品视视频播放| 亚洲精品美女久久久久99蜜臀| www.999成人在线观看| 国产黄a三级三级三级人| 十八禁网站免费在线| 国产精品三级大全| 亚洲熟妇中文字幕五十中出| 天堂√8在线中文| 亚洲18禁久久av| 丰满人妻一区二区三区视频av | 乱人视频在线观看| 18禁在线播放成人免费| 两个人视频免费观看高清| 亚洲七黄色美女视频| 老鸭窝网址在线观看| 免费搜索国产男女视频| 嫩草影院入口| 久久精品91无色码中文字幕| 亚洲七黄色美女视频| 69av精品久久久久久| 精品免费久久久久久久清纯| 日日干狠狠操夜夜爽| 欧美日韩乱码在线| 欧美zozozo另类| 免费看美女性在线毛片视频| or卡值多少钱| 中文字幕av成人在线电影| 一本精品99久久精品77| 亚洲av成人精品一区久久| 亚洲人成网站高清观看| 国产aⅴ精品一区二区三区波| 午夜福利成人在线免费观看| 亚洲欧美精品综合久久99| 少妇的丰满在线观看| 国产亚洲欧美98| 熟女少妇亚洲综合色aaa.| 精品午夜福利视频在线观看一区| 三级毛片av免费| 国产97色在线日韩免费| 亚洲男人的天堂狠狠| 精品久久久久久久久久免费视频| 国产又黄又爽又无遮挡在线| 亚洲天堂国产精品一区在线| 天堂影院成人在线观看| 真实男女啪啪啪动态图| 精品久久久久久久久久免费视频| 欧美一级a爱片免费观看看| 日本一本二区三区精品| 国产成人a区在线观看| 精品久久久久久久久久免费视频| 啦啦啦韩国在线观看视频| 精品久久久久久久人妻蜜臀av| 在线播放无遮挡| 一本精品99久久精品77| 日本三级黄在线观看| 一本精品99久久精品77| 国产色婷婷99| 亚洲av中文字字幕乱码综合| 国产亚洲精品综合一区在线观看| 日日摸夜夜添夜夜添小说| 在线国产一区二区在线| 亚洲va日本ⅴa欧美va伊人久久| 久久久久国产精品人妻aⅴ院| 精品不卡国产一区二区三区| 欧美三级亚洲精品| 免费在线观看影片大全网站| 午夜免费成人在线视频| 97人妻精品一区二区三区麻豆| 少妇丰满av| 在线视频色国产色| 久久精品国产亚洲av香蕉五月| 亚洲精品色激情综合| 国产三级黄色录像| 琪琪午夜伦伦电影理论片6080| 性色av乱码一区二区三区2| 欧美xxxx黑人xx丫x性爽| 老鸭窝网址在线观看| 高清毛片免费观看视频网站| 1024手机看黄色片| 日韩有码中文字幕| xxxwww97欧美| 亚洲欧美精品综合久久99| 高清在线国产一区| 中文字幕人妻熟人妻熟丝袜美 | 午夜福利在线在线| 中文字幕av成人在线电影| 亚洲欧美日韩无卡精品| 好男人电影高清在线观看| 亚洲精品一区av在线观看| 在线视频色国产色| 亚洲国产欧洲综合997久久,| 久久久精品欧美日韩精品| 91在线精品国自产拍蜜月 | 国产熟女xx| 成人高潮视频无遮挡免费网站| 婷婷亚洲欧美| 亚洲电影在线观看av| 好男人电影高清在线观看| 2021天堂中文幕一二区在线观| 男人舔女人下体高潮全视频| 国产精品,欧美在线| 听说在线观看完整版免费高清| 免费人成视频x8x8入口观看| 亚洲欧美一区二区三区黑人| 51午夜福利影视在线观看| 中亚洲国语对白在线视频| 午夜免费激情av| 国产精品美女特级片免费视频播放器| 少妇的丰满在线观看| 国产又黄又爽又无遮挡在线| 在线国产一区二区在线| 无限看片的www在线观看| 在线天堂最新版资源| 成人国产一区最新在线观看| 久久精品国产自在天天线| 亚洲国产欧洲综合997久久,| a级毛片a级免费在线| 久久6这里有精品| 亚洲欧美日韩高清专用| 欧美丝袜亚洲另类 | 午夜a级毛片| 亚洲国产欧美人成| 免费搜索国产男女视频| 成人av在线播放网站| 成熟少妇高潮喷水视频| 欧美一级a爱片免费观看看| 亚洲av五月六月丁香网| 老熟妇仑乱视频hdxx| 国产精品香港三级国产av潘金莲| 免费高清视频大片| 欧美性猛交╳xxx乱大交人| 18禁裸乳无遮挡免费网站照片| 很黄的视频免费| 级片在线观看| 熟妇人妻久久中文字幕3abv| 亚洲中文字幕一区二区三区有码在线看| 婷婷精品国产亚洲av在线| 久久99热这里只有精品18| 国产精品自产拍在线观看55亚洲| 亚洲成av人片免费观看| 色视频www国产| 一级毛片女人18水好多| 岛国在线观看网站| 成人国产一区最新在线观看| 亚洲18禁久久av| 琪琪午夜伦伦电影理论片6080| 啪啪无遮挡十八禁网站| 桃色一区二区三区在线观看| 国产成人av激情在线播放| 国产伦一二天堂av在线观看| 日本黄色视频三级网站网址| 3wmmmm亚洲av在线观看| 黄色丝袜av网址大全| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 女人十人毛片免费观看3o分钟| 午夜精品久久久久久毛片777| 亚洲人成电影免费在线| 国产美女午夜福利| 亚洲天堂国产精品一区在线| 欧美+日韩+精品| 国产精品亚洲一级av第二区| 美女大奶头视频| 舔av片在线| 久久午夜亚洲精品久久| 欧美另类亚洲清纯唯美| 一级毛片高清免费大全| 欧美绝顶高潮抽搐喷水| 午夜免费激情av| 成人性生交大片免费视频hd| 欧美国产日韩亚洲一区| 国产亚洲精品av在线| 亚洲一区二区三区色噜噜| 国产午夜精品久久久久久一区二区三区 | 国产一区二区亚洲精品在线观看| 午夜亚洲福利在线播放| 亚洲人与动物交配视频| 蜜桃久久精品国产亚洲av| 人人妻人人看人人澡| 国产高潮美女av| 亚洲美女视频黄频| av视频在线观看入口| 麻豆成人午夜福利视频| 级片在线观看| 久久精品亚洲精品国产色婷小说| 1000部很黄的大片| 男女下面进入的视频免费午夜| 超碰av人人做人人爽久久 | 黄色丝袜av网址大全| 成年版毛片免费区| 亚洲自拍偷在线| 国产精品爽爽va在线观看网站| 亚洲人成电影免费在线| 欧美国产日韩亚洲一区| 国产精品国产高清国产av| 97碰自拍视频| 美女高潮喷水抽搐中文字幕| 久久久久九九精品影院| 丰满人妻熟妇乱又伦精品不卡| 国语自产精品视频在线第100页| 国产三级中文精品| 国产蜜桃级精品一区二区三区| 深爱激情五月婷婷| 亚洲五月婷婷丁香| 午夜精品一区二区三区免费看| 欧美日韩综合久久久久久 | 色播亚洲综合网| 日本黄色片子视频| 午夜日韩欧美国产| 精品福利观看| av国产免费在线观看| 国产精品爽爽va在线观看网站| 久久性视频一级片| 日本在线视频免费播放| 熟妇人妻久久中文字幕3abv| 国产三级中文精品| 欧美黑人欧美精品刺激| 亚洲五月婷婷丁香| 中文字幕人妻熟人妻熟丝袜美 | 欧美一区二区国产精品久久精品| 欧美日韩一级在线毛片| 日韩欧美国产在线观看| 夜夜看夜夜爽夜夜摸| 日韩欧美三级三区| 久久久久国内视频| 欧美中文综合在线视频| 少妇的逼水好多| 午夜免费男女啪啪视频观看 | 久久人人精品亚洲av| 久久久久久大精品| 国产欧美日韩一区二区精品| 亚洲在线自拍视频| 久久精品91蜜桃| www.999成人在线观看| www.www免费av| www.熟女人妻精品国产| 日本熟妇午夜| 国产野战对白在线观看| 在线观看美女被高潮喷水网站 | 国内毛片毛片毛片毛片毛片| 1024手机看黄色片| 亚洲av成人精品一区久久| 在线观看66精品国产| 欧美在线黄色| 超碰av人人做人人爽久久 | 天天一区二区日本电影三级| 午夜免费成人在线视频| 乱人视频在线观看| aaaaa片日本免费| 国产v大片淫在线免费观看| 亚洲中文日韩欧美视频| 国产高清视频在线播放一区| 久久精品影院6| 国产麻豆成人av免费视频| 天堂av国产一区二区熟女人妻| 午夜福利在线在线| av在线天堂中文字幕| 夜夜夜夜夜久久久久| 久久久久国产精品人妻aⅴ院| 精品国产三级普通话版| 日本 欧美在线| 黑人欧美特级aaaaaa片| 亚洲成人免费电影在线观看| 五月玫瑰六月丁香| 男插女下体视频免费在线播放| 麻豆成人av在线观看| 久久精品国产自在天天线| 18美女黄网站色大片免费观看| 国产精品永久免费网站| 女同久久另类99精品国产91| 亚洲,欧美精品.| 欧美xxxx黑人xx丫x性爽| 亚洲人成网站在线播| 国产乱人伦免费视频| 日韩欧美一区二区三区在线观看| 69av精品久久久久久| 精品日产1卡2卡| 欧美不卡视频在线免费观看| 一进一出好大好爽视频| 真人一进一出gif抽搐免费| 麻豆一二三区av精品| 人人妻,人人澡人人爽秒播| 性色av乱码一区二区三区2| 欧美极品一区二区三区四区| 网址你懂的国产日韩在线| 亚洲av美国av| 一本一本综合久久| 中文字幕高清在线视频| 久久久久亚洲av毛片大全| 极品教师在线免费播放| 熟女少妇亚洲综合色aaa.| 国产黄片美女视频| 国产蜜桃级精品一区二区三区| 欧美zozozo另类| 久久久久精品国产欧美久久久| 日本黄色视频三级网站网址| 亚洲精品粉嫩美女一区| 夜夜夜夜夜久久久久| 国产探花极品一区二区| 欧美bdsm另类| 色精品久久人妻99蜜桃| 怎么达到女性高潮| 欧美一区二区精品小视频在线| a级毛片a级免费在线| 欧美中文日本在线观看视频| 少妇高潮的动态图| 国产成年人精品一区二区| 三级毛片av免费| 一个人看视频在线观看www免费 | 免费在线观看亚洲国产| www日本在线高清视频| 色综合亚洲欧美另类图片| 在线观看日韩欧美| 国产成+人综合+亚洲专区| 国产不卡一卡二| 午夜免费激情av| 91在线观看av| 国产精品久久久人人做人人爽| 叶爱在线成人免费视频播放| 人妻久久中文字幕网| 亚洲 欧美 日韩 在线 免费| 女生性感内裤真人,穿戴方法视频| 亚洲欧美激情综合另类| av福利片在线观看| 99在线人妻在线中文字幕| e午夜精品久久久久久久| 免费av不卡在线播放| 综合色av麻豆| 成年女人毛片免费观看观看9| 99久久九九国产精品国产免费| 午夜免费观看网址| 操出白浆在线播放| 日本熟妇午夜| www.999成人在线观看| 欧美3d第一页| 午夜两性在线视频| 国产三级黄色录像| 91麻豆av在线| 亚洲精品在线美女| 最近视频中文字幕2019在线8| 欧洲精品卡2卡3卡4卡5卡区| 一区二区三区激情视频| 偷拍熟女少妇极品色| 国产在视频线在精品| 3wmmmm亚洲av在线观看| 波多野结衣高清作品| 18禁裸乳无遮挡免费网站照片| 精品一区二区三区视频在线 | 国产男靠女视频免费网站| 一进一出抽搐gif免费好疼| 国产蜜桃级精品一区二区三区| 国产欧美日韩一区二区精品| 内射极品少妇av片p| 亚洲av美国av| 狂野欧美激情性xxxx| 婷婷精品国产亚洲av| 久久香蕉国产精品| 亚洲国产中文字幕在线视频| 国内少妇人妻偷人精品xxx网站| 叶爱在线成人免费视频播放| 麻豆国产av国片精品| 人人妻人人看人人澡| 好男人电影高清在线观看| 亚洲精品国产精品久久久不卡| 日本黄色片子视频| 免费av观看视频| 色在线成人网| 美女cb高潮喷水在线观看| 91九色精品人成在线观看| 18禁国产床啪视频网站| 99久久精品国产亚洲精品| 老司机在亚洲福利影院| 国产精品日韩av在线免费观看| 午夜福利成人在线免费观看| 精品一区二区三区视频在线观看免费| 99国产综合亚洲精品| 国产 一区 欧美 日韩| 无遮挡黄片免费观看| 桃红色精品国产亚洲av| netflix在线观看网站| 国内揄拍国产精品人妻在线| 国产美女午夜福利| 国产精品一区二区三区四区免费观看 | 欧美日韩国产亚洲二区| 欧美午夜高清在线| 亚洲欧美激情综合另类| 小说图片视频综合网站| 变态另类丝袜制服| 成熟少妇高潮喷水视频| 三级国产精品欧美在线观看| 亚洲狠狠婷婷综合久久图片| 国产成人啪精品午夜网站| 在线观看av片永久免费下载| 极品教师在线免费播放| 天堂影院成人在线观看| 国产av在哪里看| tocl精华| 国产精品98久久久久久宅男小说| 亚洲欧美一区二区三区黑人| 日韩欧美在线二视频| 人人妻,人人澡人人爽秒播| 亚洲精品久久国产高清桃花| 中文资源天堂在线| 99精品欧美一区二区三区四区| 中出人妻视频一区二区| 久久中文看片网| 变态另类丝袜制服| 亚洲av电影不卡..在线观看| 一区二区三区高清视频在线| 母亲3免费完整高清在线观看| 18+在线观看网站| 香蕉av资源在线| 99久久综合精品五月天人人| 免费在线观看影片大全网站| 丝袜美腿在线中文| 欧美乱码精品一区二区三区| 丰满人妻一区二区三区视频av | 国产成+人综合+亚洲专区| 国产一区二区激情短视频| 成人18禁在线播放| 无遮挡黄片免费观看| 久99久视频精品免费| 九九在线视频观看精品| 我要搜黄色片| 国产欧美日韩精品一区二区| 香蕉av资源在线| 中出人妻视频一区二区| 成人国产一区最新在线观看| 免费观看的影片在线观看| 国产精品99久久99久久久不卡| 久久久精品欧美日韩精品| 国产色婷婷99| 久久久久久久久大av| 老司机福利观看| 亚洲欧美日韩无卡精品| 可以在线观看的亚洲视频| 麻豆成人av在线观看| 亚洲av熟女| 亚洲国产日韩欧美精品在线观看 | 国产精品久久电影中文字幕| 国产男靠女视频免费网站| 久9热在线精品视频| 亚洲精品一卡2卡三卡4卡5卡| 精品免费久久久久久久清纯| 18+在线观看网站| 国产高清视频在线观看网站| 久久伊人香网站| 国产男靠女视频免费网站| 99在线视频只有这里精品首页| 国产精品99久久99久久久不卡| 18禁在线播放成人免费| 免费一级毛片在线播放高清视频| 久久久久久久久久黄片| 亚洲国产精品久久男人天堂| 久久人人精品亚洲av| bbb黄色大片| 亚洲专区中文字幕在线| 禁无遮挡网站| 又紧又爽又黄一区二区| 亚洲aⅴ乱码一区二区在线播放| 18+在线观看网站| 亚洲内射少妇av| 天堂网av新在线| 国产私拍福利视频在线观看| 亚洲人成网站在线播| 精华霜和精华液先用哪个| 老司机午夜十八禁免费视频| 老熟妇仑乱视频hdxx| 禁无遮挡网站| 又紧又爽又黄一区二区| 色播亚洲综合网| 日本熟妇午夜| 观看美女的网站| 亚洲成av人片在线播放无| 国产精品三级大全| 99精品在免费线老司机午夜| 美女黄网站色视频| 国产av一区在线观看免费| 九九久久精品国产亚洲av麻豆| 99久久综合精品五月天人人| 亚洲国产精品999在线| 久久精品国产99精品国产亚洲性色| 午夜影院日韩av| 两人在一起打扑克的视频| 欧美+亚洲+日韩+国产| 99精品久久久久人妻精品| 国产精品久久久久久久电影 | 99国产精品一区二区三区| 国产精品自产拍在线观看55亚洲| 日日摸夜夜添夜夜添小说| 国产黄a三级三级三级人| 亚洲在线自拍视频| 精品乱码久久久久久99久播| 一本精品99久久精品77| 国产私拍福利视频在线观看| 日本在线视频免费播放| 久久亚洲精品不卡| 欧美成人免费av一区二区三区| 国产成人系列免费观看| 首页视频小说图片口味搜索| 男女午夜视频在线观看| xxxwww97欧美| 村上凉子中文字幕在线| 久久精品国产99精品国产亚洲性色| 欧美日本亚洲视频在线播放| 国产视频内射| 午夜影院日韩av| 国产成人欧美在线观看| 丁香欧美五月| 精品午夜福利视频在线观看一区| 亚洲乱码一区二区免费版| 国产中年淑女户外野战色| 日本五十路高清| 欧美黄色淫秽网站| 搡老岳熟女国产| 亚洲久久久久久中文字幕| 黄色女人牲交| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 亚洲av二区三区四区| 久久精品91无色码中文字幕| 女同久久另类99精品国产91| 桃红色精品国产亚洲av| 日韩中文字幕欧美一区二区| 最后的刺客免费高清国语| 麻豆成人av在线观看| 男人的好看免费观看在线视频| 999久久久精品免费观看国产| 99精品久久久久人妻精品| 全区人妻精品视频| 给我免费播放毛片高清在线观看| 欧美日韩综合久久久久久 | 99久久99久久久精品蜜桃| 亚洲狠狠婷婷综合久久图片| 在线国产一区二区在线| 俄罗斯特黄特色一大片| 久久久久免费精品人妻一区二区| 国产精品自产拍在线观看55亚洲| 国产免费男女视频| 丝袜美腿在线中文| 三级男女做爰猛烈吃奶摸视频| 久久久久九九精品影院| 精品一区二区三区人妻视频| av女优亚洲男人天堂| 久久精品人妻少妇| 夜夜夜夜夜久久久久| 亚洲成人中文字幕在线播放| 亚洲avbb在线观看| 婷婷六月久久综合丁香| 制服人妻中文乱码| 亚洲国产欧洲综合997久久,| 可以在线观看毛片的网站| 一个人免费在线观看电影| 特级一级黄色大片| 一个人观看的视频www高清免费观看| 精品不卡国产一区二区三区| 午夜精品在线福利| 91字幕亚洲| 中出人妻视频一区二区| 国产免费av片在线观看野外av| 观看免费一级毛片| 成年女人永久免费观看视频| 在线观看舔阴道视频| 国产伦人伦偷精品视频| 国产黄片美女视频| 久久性视频一级片| 91字幕亚洲| 久久精品国产99精品国产亚洲性色| 亚洲精品成人久久久久久| av黄色大香蕉| 19禁男女啪啪无遮挡网站| 在线观看舔阴道视频| 69av精品久久久久久| 精品国产亚洲在线| 免费在线观看成人毛片|