• <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
    亚洲成人中文字幕在线播放| 成年美女黄网站色视频大全免费 | 久久午夜福利片| 日韩国内少妇激情av| 少妇精品久久久久久久| 国产精品99久久99久久久不卡 | 欧美另类一区| 国产亚洲91精品色在线| 国产黄片美女视频| 91精品一卡2卡3卡4卡| 日本一二三区视频观看| 视频区图区小说| 国产在线男女| 少妇的逼水好多| 国产成人a区在线观看| 国产欧美日韩精品一区二区| 亚洲综合精品二区| 91久久精品国产一区二区成人| 久久97久久精品| 黄色怎么调成土黄色| 亚洲综合精品二区| 国产中年淑女户外野战色| av国产久精品久网站免费入址| 久久6这里有精品| 男人和女人高潮做爰伦理| 日韩亚洲欧美综合| 亚洲欧美日韩卡通动漫| 亚洲精品乱久久久久久| 欧美日韩综合久久久久久| 亚洲成人中文字幕在线播放| 日本黄色片子视频| 久久97久久精品| 黄色怎么调成土黄色| 91久久精品国产一区二区三区| 免费久久久久久久精品成人欧美视频 | h视频一区二区三区| 日本一二三区视频观看| 大香蕉97超碰在线| 狂野欧美激情性bbbbbb| 婷婷色av中文字幕| 国产视频内射| 五月天丁香电影| 老司机影院成人| 最近2019中文字幕mv第一页| 18禁裸乳无遮挡免费网站照片| 亚洲四区av| 精品一区二区三区视频在线| 亚洲精品成人av观看孕妇| 亚洲欧美日韩另类电影网站 | 18+在线观看网站| 秋霞伦理黄片| 亚洲av成人精品一区久久| 九草在线视频观看| 亚洲成人一二三区av| 韩国高清视频一区二区三区| 亚洲国产色片| 国产片特级美女逼逼视频| 男人爽女人下面视频在线观看| 天天躁日日操中文字幕| av卡一久久| 亚洲婷婷狠狠爱综合网| 欧美xxxx黑人xx丫x性爽| videossex国产| 一本久久精品| 亚洲av免费高清在线观看| 18禁裸乳无遮挡免费网站照片| 最近手机中文字幕大全| 97热精品久久久久久| av国产精品久久久久影院| 国精品久久久久久国模美| 综合色丁香网| 美女福利国产在线 | 亚洲成人一二三区av| 国产亚洲一区二区精品| 美女高潮的动态| 精品99又大又爽又粗少妇毛片| 直男gayav资源| 日韩视频在线欧美| 青春草视频在线免费观看| 免费黄频网站在线观看国产| 又黄又爽又刺激的免费视频.| 亚洲精品日本国产第一区| 国产人妻一区二区三区在| 日本黄色片子视频| tube8黄色片| 小蜜桃在线观看免费完整版高清| 亚洲国产日韩一区二区| 全区人妻精品视频| av.在线天堂| 国产永久视频网站| 日韩伦理黄色片| 国产精品国产三级国产av玫瑰| 国产欧美另类精品又又久久亚洲欧美| 国产精品免费大片| 亚洲精品国产色婷婷电影| 天堂8中文在线网| 欧美成人a在线观看| 午夜老司机福利剧场| 久久久久国产精品人妻一区二区| 国产精品国产三级国产专区5o| 如何舔出高潮| 国产日韩欧美亚洲二区| 精品一区二区三卡| 亚洲欧美成人精品一区二区| 色综合色国产| 熟女电影av网| 亚洲一区二区三区欧美精品| 亚洲欧美精品专区久久| 国产成人免费观看mmmm| 少妇的逼好多水| 一级二级三级毛片免费看| 国产成人免费无遮挡视频| 插阴视频在线观看视频| 人妻少妇偷人精品九色| 简卡轻食公司| a级毛色黄片| 中文字幕免费在线视频6| 欧美老熟妇乱子伦牲交| 国产av精品麻豆| 亚洲精品乱码久久久久久按摩| 成人高潮视频无遮挡免费网站| 丰满少妇做爰视频| 国产亚洲午夜精品一区二区久久| 精品久久国产蜜桃| 亚洲天堂av无毛| 水蜜桃什么品种好| 狂野欧美激情性bbbbbb| 成年女人在线观看亚洲视频| 国产免费一级a男人的天堂| 久久久国产一区二区| 性色avwww在线观看| 久热久热在线精品观看| 丝袜喷水一区| 蜜桃亚洲精品一区二区三区| 极品教师在线视频| 国产精品久久久久久精品古装| 午夜福利影视在线免费观看| 久久精品国产鲁丝片午夜精品| 久久精品久久久久久久性| 久久久久久人妻| 久久精品国产亚洲av天美| 日韩视频在线欧美| 久热这里只有精品99| www.av在线官网国产| 人妻夜夜爽99麻豆av| 看非洲黑人一级黄片| 久久人人爽人人爽人人片va| 一二三四中文在线观看免费高清| av不卡在线播放| 18禁动态无遮挡网站| 日韩一区二区视频免费看| 国产成人freesex在线| 97超视频在线观看视频| 99视频精品全部免费 在线| 成年美女黄网站色视频大全免费 | 国产成人91sexporn| 精品午夜福利在线看| 亚洲精品久久午夜乱码| 夫妻午夜视频| 深爱激情五月婷婷| 男人爽女人下面视频在线观看| 美女视频免费永久观看网站| 老熟女久久久| 久久精品熟女亚洲av麻豆精品| 看十八女毛片水多多多| 永久免费av网站大全| 亚洲欧美日韩无卡精品| 十分钟在线观看高清视频www | 中文欧美无线码| 草草在线视频免费看| 搡老乐熟女国产| 美女内射精品一级片tv| 亚洲国产精品成人久久小说| 亚洲国产精品国产精品| 欧美一级a爱片免费观看看| 日韩国内少妇激情av| 2022亚洲国产成人精品| 亚洲av成人精品一二三区| 激情 狠狠 欧美| 午夜福利视频精品| 韩国av在线不卡| 国产成人a区在线观看| 亚洲人成网站在线观看播放| 国产av码专区亚洲av| 哪个播放器可以免费观看大片| 大片电影免费在线观看免费| 高清不卡的av网站| 欧美精品亚洲一区二区| 在线亚洲精品国产二区图片欧美 | 高清av免费在线| av一本久久久久| 国产精品久久久久成人av| 晚上一个人看的免费电影| 欧美老熟妇乱子伦牲交| 交换朋友夫妻互换小说| 亚洲美女视频黄频| 国产免费视频播放在线视频| 蜜桃亚洲精品一区二区三区| 十八禁网站网址无遮挡 | 日本av免费视频播放| 伦理电影免费视频| 亚洲精品国产av成人精品| 青春草国产在线视频| 中文资源天堂在线| 美女脱内裤让男人舔精品视频| 蜜臀久久99精品久久宅男| 色哟哟·www| 性色avwww在线观看| 欧美日韩亚洲高清精品| 尾随美女入室| 男女免费视频国产| 国产亚洲91精品色在线| 2021少妇久久久久久久久久久| 日本欧美视频一区| 网址你懂的国产日韩在线| 99热国产这里只有精品6| 高清不卡的av网站| 纯流量卡能插随身wifi吗| 国产精品不卡视频一区二区| 亚洲精品自拍成人| 国产亚洲欧美精品永久| 能在线免费看毛片的网站| 国产 一区 欧美 日韩| 久久人妻熟女aⅴ| 爱豆传媒免费全集在线观看| 久久午夜福利片| 在线亚洲精品国产二区图片欧美 | 卡戴珊不雅视频在线播放| 性色av一级| 国产精品国产av在线观看| 亚洲欧美一区二区三区黑人 | 免费看不卡的av| 你懂的网址亚洲精品在线观看| 五月伊人婷婷丁香| 一级毛片久久久久久久久女| 国产精品一区www在线观看| 亚洲第一av免费看| 99精国产麻豆久久婷婷| 草草在线视频免费看| 日韩免费高清中文字幕av| 91精品国产九色| 伦精品一区二区三区| 国产乱人视频| 午夜激情久久久久久久| 国产精品久久久久久av不卡| 亚洲精品中文字幕在线视频 | 婷婷色av中文字幕| 熟女av电影| av在线蜜桃| 日日撸夜夜添| 久久国产亚洲av麻豆专区| 欧美丝袜亚洲另类| 国产色婷婷99| 国产女主播在线喷水免费视频网站| 日韩av免费高清视频| 最近手机中文字幕大全| 一级爰片在线观看| 亚洲电影在线观看av| 在线免费观看不下载黄p国产| 国产美女午夜福利| 直男gayav资源| 久久人妻福利社区极品人妻图片 | 午夜两性在线视频| 精品人妻在线不人妻| 纵有疾风起免费观看全集完整版| 日本vs欧美在线观看视频| 咕卡用的链子| 午夜免费成人在线视频| 免费高清在线观看日韩| 日韩一卡2卡3卡4卡2021年| 日日摸夜夜添夜夜爱| 久久国产精品影院| 国产真人三级小视频在线观看| 男女之事视频高清在线观看 | 我要看黄色一级片免费的| 亚洲成人免费电影在线观看 | 国产人伦9x9x在线观看| 亚洲熟女毛片儿| 亚洲男人天堂网一区| 国产色视频综合| 久久久久久久久免费视频了| 另类精品久久| 国产在线视频一区二区| 国产熟女午夜一区二区三区| 色视频在线一区二区三区| 国产成人欧美| 99久久人妻综合| 一级毛片黄色毛片免费观看视频| 成人国产av品久久久| 国产在线免费精品| 亚洲av成人精品一二三区| 男男h啪啪无遮挡| videos熟女内射| 亚洲av欧美aⅴ国产| 高清av免费在线| 亚洲欧美日韩另类电影网站| 熟女av电影| 两性夫妻黄色片| av在线播放精品| 亚洲精品一区蜜桃| 国产免费福利视频在线观看| 又粗又硬又长又爽又黄的视频| 99国产精品一区二区三区| 午夜福利一区二区在线看| 五月开心婷婷网| 黄色片一级片一级黄色片| 免费一级毛片在线播放高清视频 | 久久精品国产a三级三级三级| 大陆偷拍与自拍| 亚洲欧洲日产国产| 亚洲中文字幕日韩| 19禁男女啪啪无遮挡网站| 亚洲国产av新网站| 欧美乱码精品一区二区三区| 一个人免费看片子| 天天操日日干夜夜撸| av天堂久久9| 国产成人欧美| 久久女婷五月综合色啪小说| 亚洲国产av影院在线观看| 啦啦啦视频在线资源免费观看| 欧美日韩亚洲高清精品| 色网站视频免费| 国产男女内射视频| 一二三四在线观看免费中文在| 蜜桃在线观看..| 午夜av观看不卡| 色播在线永久视频| 涩涩av久久男人的天堂| 国产亚洲精品久久久久5区| 午夜久久久在线观看| 亚洲精品中文字幕在线视频| 美女高潮到喷水免费观看| 国产欧美日韩综合在线一区二区| 91九色精品人成在线观看| 亚洲第一av免费看| 亚洲人成电影观看| 免费一级毛片在线播放高清视频 | 欧美老熟妇乱子伦牲交| 久久99精品国语久久久| 免费一级毛片在线播放高清视频 | 国产亚洲欧美在线一区二区| 十分钟在线观看高清视频www| 9热在线视频观看99| 亚洲av美国av| 国产97色在线日韩免费| 国产亚洲av高清不卡| 亚洲成av片中文字幕在线观看| 亚洲av男天堂| 下体分泌物呈黄色| 男女床上黄色一级片免费看| 亚洲欧洲国产日韩| av电影中文网址| 久久天堂一区二区三区四区| 别揉我奶头~嗯~啊~动态视频 | 欧美久久黑人一区二区| 国产野战对白在线观看| 一级片免费观看大全| 91精品伊人久久大香线蕉| 巨乳人妻的诱惑在线观看| 亚洲熟女精品中文字幕| av国产久精品久网站免费入址| 国产欧美日韩一区二区三 | 美女高潮到喷水免费观看| 大码成人一级视频| 秋霞在线观看毛片| 视频区欧美日本亚洲| 可以免费在线观看a视频的电影网站| 国产精品久久久久成人av| 搡老岳熟女国产| 十八禁人妻一区二区| 热re99久久国产66热| 赤兔流量卡办理| 久久精品久久久久久噜噜老黄| 老司机亚洲免费影院| 中文字幕人妻丝袜一区二区| 亚洲国产欧美在线一区| 亚洲中文字幕日韩| 国产一区有黄有色的免费视频| 天天躁夜夜躁狠狠久久av| 欧美精品av麻豆av| 水蜜桃什么品种好| 亚洲av日韩精品久久久久久密 | 午夜日韩欧美国产| 久久亚洲精品不卡| 免费观看a级毛片全部| 91精品国产国语对白视频| 国产野战对白在线观看| 日韩大码丰满熟妇| 脱女人内裤的视频| 999久久久国产精品视频| 男女之事视频高清在线观看 | 99久久综合免费| 精品一品国产午夜福利视频| 成年人黄色毛片网站| 欧美乱码精品一区二区三区| 久久久欧美国产精品| 国产国语露脸激情在线看| 一边摸一边抽搐一进一出视频| 久久久欧美国产精品| 桃花免费在线播放| 一边摸一边做爽爽视频免费| 久久久国产精品麻豆| 国产成人啪精品午夜网站| 男人舔女人的私密视频| 男女免费视频国产| 国精品久久久久久国模美| 欧美激情 高清一区二区三区| 在线av久久热| 欧美日韩亚洲高清精品| 亚洲人成电影观看| 丝袜脚勾引网站| 色94色欧美一区二区| 制服人妻中文乱码| 欧美在线黄色| 国产国语露脸激情在线看| 热re99久久精品国产66热6| 久久久久久久久久久久大奶| 天天躁日日躁夜夜躁夜夜| 亚洲成av片中文字幕在线观看| bbb黄色大片| 欧美日韩精品网址| 人体艺术视频欧美日本| 亚洲伊人久久精品综合| av不卡在线播放| 99国产精品免费福利视频| 国产成人欧美在线观看 | 又紧又爽又黄一区二区| 日韩熟女老妇一区二区性免费视频| 免费久久久久久久精品成人欧美视频| 亚洲av在线观看美女高潮| 最近最新中文字幕大全免费视频 | kizo精华| 成人国产av品久久久| 久久国产精品大桥未久av| 久久久精品94久久精品| 女人被躁到高潮嗷嗷叫费观| 亚洲国产精品一区二区三区在线| av国产精品久久久久影院| 亚洲人成网站在线观看播放| 精品国产一区二区久久| 国产精品熟女久久久久浪| 亚洲中文av在线| 午夜激情久久久久久久| 自线自在国产av| 日韩av不卡免费在线播放| 午夜福利视频精品| 天天躁狠狠躁夜夜躁狠狠躁| 婷婷色综合大香蕉| 一二三四在线观看免费中文在| 最近中文字幕2019免费版| 亚洲国产av影院在线观看| 欧美成人午夜精品| 国产亚洲精品久久久久5区| 国精品久久久久久国模美| 人妻一区二区av| 又大又黄又爽视频免费| 久久精品久久久久久久性| 免费女性裸体啪啪无遮挡网站| 亚洲国产精品成人久久小说| 国产一区二区三区av在线| 中国国产av一级| 9热在线视频观看99| 一区福利在线观看| 美女脱内裤让男人舔精品视频| 亚洲av欧美aⅴ国产| 在线观看免费午夜福利视频| 欧美另类一区| 国产精品99久久99久久久不卡| 亚洲av成人不卡在线观看播放网 | 国产精品麻豆人妻色哟哟久久| 国产一区二区三区av在线| 老司机在亚洲福利影院| 夫妻性生交免费视频一级片| 欧美精品av麻豆av| 日韩视频在线欧美| 国产国语露脸激情在线看| 亚洲精品中文字幕在线视频| 性色av乱码一区二区三区2| 久久国产亚洲av麻豆专区| 午夜福利,免费看| av又黄又爽大尺度在线免费看| 伊人久久大香线蕉亚洲五| 国产精品国产三级专区第一集| 久久久久网色| 国产亚洲精品久久久久5区| 丁香六月欧美| 宅男免费午夜| 精品久久蜜臀av无| 三上悠亚av全集在线观看| 久久天躁狠狠躁夜夜2o2o | 亚洲久久久国产精品| 大码成人一级视频| 国产深夜福利视频在线观看| 制服诱惑二区| 一级黄片播放器| 欧美在线一区亚洲| 丰满少妇做爰视频| 亚洲精品一二三| 51午夜福利影视在线观看| 啦啦啦在线免费观看视频4| 国产亚洲精品第一综合不卡| 亚洲一卡2卡3卡4卡5卡精品中文| 日韩 亚洲 欧美在线| 精品国产一区二区三区久久久樱花| 青青草视频在线视频观看| 精品一品国产午夜福利视频| 国产精品亚洲av一区麻豆| 久久精品国产a三级三级三级| 亚洲国产欧美一区二区综合| av在线播放精品| 深夜精品福利| 搡老乐熟女国产| 两个人免费观看高清视频| 一级片'在线观看视频| 天天影视国产精品| 在线av久久热| 日本五十路高清| 中文字幕人妻熟女乱码| 性色av一级| 十八禁人妻一区二区| 9热在线视频观看99| 亚洲国产精品一区二区三区在线| 精品久久久精品久久久| 精品人妻熟女毛片av久久网站| 中文精品一卡2卡3卡4更新| 精品亚洲成国产av| 日韩一卡2卡3卡4卡2021年| 中文字幕亚洲精品专区| 欧美日韩一级在线毛片| 999精品在线视频| 成人手机av| 天堂俺去俺来也www色官网| 国产精品国产三级专区第一集| 亚洲欧美精品综合一区二区三区| 大话2 男鬼变身卡| 啦啦啦在线免费观看视频4| 亚洲精品美女久久av网站| 久久久久久久久免费视频了| 国产91精品成人一区二区三区 | 午夜福利乱码中文字幕| 精品久久蜜臀av无| 亚洲成人免费av在线播放| 99热网站在线观看| av天堂在线播放| av片东京热男人的天堂| 精品人妻1区二区| 国产成人免费观看mmmm| 男女午夜视频在线观看| 七月丁香在线播放| 欧美精品高潮呻吟av久久| 国产男人的电影天堂91| 日韩欧美一区视频在线观看| 久久久久精品国产欧美久久久 | 超碰97精品在线观看| 亚洲欧美精品自产自拍| 成年人午夜在线观看视频| 亚洲一码二码三码区别大吗| 黄色视频在线播放观看不卡| 一级毛片黄色毛片免费观看视频| 老司机亚洲免费影院| 交换朋友夫妻互换小说| 一二三四在线观看免费中文在| 日韩av在线免费看完整版不卡| 一边摸一边做爽爽视频免费| 只有这里有精品99| 超碰97精品在线观看| 亚洲一卡2卡3卡4卡5卡精品中文| 国产欧美日韩一区二区三区在线| 久久精品成人免费网站| 国产黄色视频一区二区在线观看| 麻豆av在线久日| 久久精品久久久久久久性| 最黄视频免费看| av在线app专区| 最新在线观看一区二区三区 | 成人亚洲精品一区在线观看| 真人做人爱边吃奶动态| 国产高清不卡午夜福利| 夜夜骑夜夜射夜夜干| 国产亚洲精品久久久久5区| 老司机影院成人| 丝袜人妻中文字幕| 97人妻天天添夜夜摸| 国产精品久久久久久人妻精品电影 | 亚洲欧美成人综合另类久久久| 精品人妻1区二区| 777米奇影视久久| 一区福利在线观看| 黄片播放在线免费| 成人免费观看视频高清| 亚洲精品国产av成人精品| 亚洲欧美一区二区三区黑人| 五月天丁香电影| 日韩av在线免费看完整版不卡| 国产精品国产三级国产专区5o| 国产伦人伦偷精品视频| 大片免费播放器 马上看| 国产欧美亚洲国产| 一本综合久久免费| 人体艺术视频欧美日本| 在现免费观看毛片| 男女免费视频国产| 精品国产国语对白av| 看十八女毛片水多多多| 色播在线永久视频| 国产在线免费精品| 青青草视频在线视频观看| 十八禁网站网址无遮挡| 一级毛片女人18水好多 | 亚洲 欧美一区二区三区| 国产欧美亚洲国产| 色播在线永久视频| 永久免费av网站大全| 日韩中文字幕欧美一区二区 |