• <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
    91精品一卡2卡3卡4卡| 亚洲伊人久久精品综合| 欧美国产精品一级二级三级 | 男的添女的下面高潮视频| 亚洲av成人精品一二三区| 亚洲欧洲日产国产| 国产美女午夜福利| 黄色欧美视频在线观看| 国产免费福利视频在线观看| 亚州av有码| 18禁在线无遮挡免费观看视频| 美女视频免费永久观看网站| 中文资源天堂在线| 黄片无遮挡物在线观看| 久久综合国产亚洲精品| 婷婷色av中文字幕| 亚洲国产精品999| av网站免费在线观看视频| 亚洲精品乱久久久久久| 在现免费观看毛片| 男女无遮挡免费网站观看| 夜夜看夜夜爽夜夜摸| 亚洲国产av新网站| 欧美成人一区二区免费高清观看| 内地一区二区视频在线| 欧美最新免费一区二区三区| 成人国产av品久久久| 欧美变态另类bdsm刘玥| 成人毛片60女人毛片免费| 亚洲精品乱久久久久久| 一区二区三区乱码不卡18| 免费观看的影片在线观看| 久久精品国产亚洲网站| 亚洲欧美清纯卡通| 久久久久久久久大av| 免费不卡的大黄色大毛片视频在线观看| 久久久成人免费电影| 中国三级夫妇交换| 成人特级av手机在线观看| 国产精品精品国产色婷婷| 在线观看国产h片| 在线观看免费高清a一片| 男人爽女人下面视频在线观看| 久久精品国产鲁丝片午夜精品| av在线老鸭窝| 欧美潮喷喷水| 久久精品国产亚洲av涩爱| 亚洲第一区二区三区不卡| av在线蜜桃| 3wmmmm亚洲av在线观看| 欧美成人一区二区免费高清观看| 成人美女网站在线观看视频| 男女啪啪激烈高潮av片| 久久99热这里只频精品6学生| 国产亚洲一区二区精品| 大香蕉久久网| 国产精品福利在线免费观看| 色哟哟·www| 一级毛片我不卡| 色婷婷久久久亚洲欧美| 高清在线视频一区二区三区| 国产精品一区二区在线观看99| 国内揄拍国产精品人妻在线| 好男人视频免费观看在线| 亚洲人成网站在线播| 亚洲欧美日韩东京热| 欧美日韩视频精品一区| 欧美成人a在线观看| 熟妇人妻不卡中文字幕| 国产av码专区亚洲av| www.色视频.com| 国产高清有码在线观看视频| 在线亚洲精品国产二区图片欧美 | 青春草亚洲视频在线观看| 最近的中文字幕免费完整| 久热这里只有精品99| 欧美精品人与动牲交sv欧美| 精品一区在线观看国产| 女人被狂操c到高潮| 日韩在线高清观看一区二区三区| 亚洲精品成人久久久久久| 日本爱情动作片www.在线观看| 干丝袜人妻中文字幕| 亚洲在久久综合| 国产 一区精品| 视频中文字幕在线观看| 免费黄网站久久成人精品| 亚洲经典国产精华液单| 日韩三级伦理在线观看| 99热6这里只有精品| 亚洲欧美成人精品一区二区| 2021天堂中文幕一二区在线观| 亚洲av一区综合| 免费看日本二区| 高清视频免费观看一区二区| 菩萨蛮人人尽说江南好唐韦庄| 亚洲国产最新在线播放| 国产大屁股一区二区在线视频| 国产精品久久久久久久电影| 一级毛片电影观看| 青春草国产在线视频| 欧美高清成人免费视频www| 男人舔奶头视频| 搡老乐熟女国产| 干丝袜人妻中文字幕| 黄色配什么色好看| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 色5月婷婷丁香| 国产一区二区三区av在线| 日日摸夜夜添夜夜爱| 亚洲av在线观看美女高潮| 最近中文字幕2019免费版| 国产成人免费观看mmmm| 99久久精品国产国产毛片| 日韩电影二区| 亚洲欧美日韩无卡精品| 精品久久久精品久久久| 精品久久久久久久人妻蜜臀av| 久久99蜜桃精品久久| 国精品久久久久久国模美| 亚洲精品乱码久久久v下载方式| 免费av不卡在线播放| 亚洲av男天堂| 久久精品夜色国产| 人人妻人人澡人人爽人人夜夜| 日日撸夜夜添| 国产精品国产三级国产专区5o| 国产伦在线观看视频一区| 3wmmmm亚洲av在线观看| 亚洲国产色片| 国产成人一区二区在线| 国产成人免费观看mmmm| 99热这里只有是精品在线观看| 黄色配什么色好看| 国产男女内射视频| 特大巨黑吊av在线直播| 麻豆久久精品国产亚洲av| 久久久精品94久久精品| 晚上一个人看的免费电影| 黄色日韩在线| 久久久精品94久久精品| 亚洲国产精品国产精品| 亚洲精品亚洲一区二区| 毛片一级片免费看久久久久| 欧美一级a爱片免费观看看| 久久久午夜欧美精品| 校园人妻丝袜中文字幕| 夜夜爽夜夜爽视频| 亚洲av中文av极速乱| 综合色丁香网| 免费少妇av软件| 男人舔奶头视频| 免费观看无遮挡的男女| 国产一区有黄有色的免费视频| 日韩av不卡免费在线播放| 日本爱情动作片www.在线观看| 亚洲精品一区蜜桃| freevideosex欧美| 一本久久精品| 久久久欧美国产精品| 国产 一区精品| 午夜福利视频精品| 女的被弄到高潮叫床怎么办| 国产又色又爽无遮挡免| 看十八女毛片水多多多| 少妇人妻一区二区三区视频| 777米奇影视久久| 嫩草影院入口| 免费黄色在线免费观看| av在线老鸭窝| 在线天堂最新版资源| 五月伊人婷婷丁香| 91久久精品国产一区二区三区| 最近手机中文字幕大全| 在线亚洲精品国产二区图片欧美 | 纵有疾风起免费观看全集完整版| 日韩大片免费观看网站| 国产高清有码在线观看视频| 久久99热6这里只有精品| 波多野结衣巨乳人妻| 1000部很黄的大片| av又黄又爽大尺度在线免费看| 大片免费播放器 马上看| 欧美极品一区二区三区四区| 少妇高潮的动态图| 亚洲精品日韩av片在线观看| 亚洲av免费在线观看| 2021天堂中文幕一二区在线观| 亚洲最大成人av| 国产精品一区www在线观看| 一级爰片在线观看| 日本-黄色视频高清免费观看| 黑人高潮一二区| 高清欧美精品videossex| 亚洲丝袜综合中文字幕| 神马国产精品三级电影在线观看| 国产亚洲91精品色在线| 国产在视频线精品| a级毛色黄片| 精品一区二区三卡| 国产熟女欧美一区二区| 欧美bdsm另类| 青青草视频在线视频观看| 中文字幕制服av| 亚洲在久久综合| 欧美精品人与动牲交sv欧美| 久久久国产一区二区| 色婷婷久久久亚洲欧美| videos熟女内射| 人妻制服诱惑在线中文字幕| 亚洲av国产av综合av卡| 国产精品国产三级国产av玫瑰| 亚洲va在线va天堂va国产| 国产在线一区二区三区精| 久久久久久久久久人人人人人人| 亚洲精品久久久久久婷婷小说| 自拍欧美九色日韩亚洲蝌蚪91 | 日韩国内少妇激情av| 汤姆久久久久久久影院中文字幕| 久久久精品94久久精品| 亚洲欧美中文字幕日韩二区| 亚洲人成网站高清观看| 亚洲成色77777| eeuss影院久久| 日日摸夜夜添夜夜爱| 18禁动态无遮挡网站| kizo精华| 国产亚洲5aaaaa淫片| 18禁在线播放成人免费| 中文字幕久久专区| 日日撸夜夜添| 国产v大片淫在线免费观看| 三级国产精品欧美在线观看| 美女内射精品一级片tv| 高清视频免费观看一区二区| a级毛片免费高清观看在线播放| 99久久人妻综合| 国产黄色免费在线视频| 国产精品久久久久久精品电影小说 | 久热久热在线精品观看| 久久久午夜欧美精品| 亚洲综合精品二区| 亚洲性久久影院| xxx大片免费视频| 欧美日韩亚洲高清精品| 亚洲精品久久久久久婷婷小说| 亚洲综合精品二区| 黄色配什么色好看| 亚洲av一区综合| 亚洲三级黄色毛片| 中国三级夫妇交换| 国产在线一区二区三区精| 亚洲真实伦在线观看| 日韩免费高清中文字幕av| 久久久久久久久久成人| 亚洲最大成人av| 又黄又爽又刺激的免费视频.| 国产一区二区三区av在线| 国产精品久久久久久精品电影小说 | 老司机影院毛片| 99九九线精品视频在线观看视频| 亚洲人成网站高清观看| 七月丁香在线播放| 内地一区二区视频在线| 欧美日韩视频精品一区| 欧美成人一区二区免费高清观看| 99re6热这里在线精品视频| 国产精品人妻久久久影院| 蜜桃亚洲精品一区二区三区| 男人舔奶头视频| 国产亚洲精品久久久com| 国产精品一区二区三区四区免费观看| 狂野欧美激情性xxxx在线观看| 丝袜喷水一区| 免费av毛片视频| 亚洲成人一二三区av| 永久免费av网站大全| 一区二区三区免费毛片| 成人免费观看视频高清| 国产精品女同一区二区软件| 看黄色毛片网站| 国产一区亚洲一区在线观看| 精品人妻一区二区三区麻豆| 久久精品人妻少妇| 欧美少妇被猛烈插入视频| 久久久精品欧美日韩精品| 夫妻午夜视频| 国产免费一区二区三区四区乱码| 国产成人a区在线观看| 亚洲av国产av综合av卡| 国产av国产精品国产| 亚洲人成网站在线播| 三级男女做爰猛烈吃奶摸视频| 国产亚洲91精品色在线| 国产中年淑女户外野战色| 人人妻人人爽人人添夜夜欢视频 | 亚洲内射少妇av| 嫩草影院新地址| 久久ye,这里只有精品| 超碰97精品在线观看| 免费看光身美女| 国产伦精品一区二区三区视频9| 日本av手机在线免费观看| 爱豆传媒免费全集在线观看| 国产成人aa在线观看| 国产伦理片在线播放av一区| 亚洲真实伦在线观看| 美女xxoo啪啪120秒动态图| 国产v大片淫在线免费观看| 五月开心婷婷网| 日本wwww免费看| 午夜福利视频1000在线观看| tube8黄色片| 欧美精品一区二区大全| 久久ye,这里只有精品| 欧美成人精品欧美一级黄| 精品酒店卫生间| 亚州av有码| 欧美xxxx性猛交bbbb| 久久鲁丝午夜福利片| 日韩三级伦理在线观看| 真实男女啪啪啪动态图| 日韩大片免费观看网站| av在线老鸭窝| 国产精品人妻久久久影院| 高清在线视频一区二区三区| 久久久久久久久大av| 九九爱精品视频在线观看| 亚洲熟女精品中文字幕| 天堂俺去俺来也www色官网| 五月伊人婷婷丁香| 亚洲av福利一区| 韩国高清视频一区二区三区| 在线天堂最新版资源| 欧美另类一区| 欧美成人午夜免费资源| 我的老师免费观看完整版| av一本久久久久| 免费看av在线观看网站| 亚洲色图av天堂| 亚洲av福利一区| 免费黄色在线免费观看| 欧美激情国产日韩精品一区| 精品久久久久久电影网| 欧美成人a在线观看| 新久久久久国产一级毛片| 国产精品久久久久久久电影| 99热网站在线观看| 下体分泌物呈黄色| 不卡视频在线观看欧美| 亚洲伊人久久精品综合| 韩国av在线不卡| 成人亚洲精品一区在线观看 | 涩涩av久久男人的天堂| 亚洲精品亚洲一区二区| 欧美成人a在线观看| 日韩电影二区| 亚洲精品成人久久久久久| 一区二区三区免费毛片| 美女被艹到高潮喷水动态| 久久国产乱子免费精品| 美女cb高潮喷水在线观看| 人人妻人人看人人澡| 日韩不卡一区二区三区视频在线| 日本一二三区视频观看| 少妇的逼水好多| 最新中文字幕久久久久| 午夜福利视频精品| 99热这里只有是精品50| 亚洲精品,欧美精品| 国产在视频线精品| 青春草视频在线免费观看| 99视频精品全部免费 在线| 少妇的逼好多水| 国产亚洲一区二区精品| av天堂中文字幕网| 啦啦啦在线观看免费高清www| 男人和女人高潮做爰伦理| 精品久久久久久久人妻蜜臀av| 2021天堂中文幕一二区在线观| 天美传媒精品一区二区| 久久精品国产亚洲av天美| 男的添女的下面高潮视频| 日本av手机在线免费观看| 日日啪夜夜爽| 精品人妻偷拍中文字幕| 少妇猛男粗大的猛烈进出视频| 免费黄频网站在线观看国产| 最新的欧美精品一区二区| 亚洲色图综合在线观看| 午夜福利视频在线观看免费| 婷婷色麻豆天堂久久| 91老司机精品| www.自偷自拍.com| videosex国产| e午夜精品久久久久久久| 在现免费观看毛片| 欧美黑人精品巨大| 大香蕉久久成人网| 久久青草综合色| 伊人久久大香线蕉亚洲五| 久久久久久久久久久免费av| 女人精品久久久久毛片| 高清欧美精品videossex| 蜜桃在线观看..| 99久久精品国产亚洲精品| www日本在线高清视频| 免费女性裸体啪啪无遮挡网站| 久久青草综合色| 久久久欧美国产精品| 日韩制服骚丝袜av| 欧美国产精品va在线观看不卡| 亚洲在久久综合| 亚洲熟女精品中文字幕| 亚洲欧美一区二区三区久久| 日本91视频免费播放| 一区在线观看完整版| 亚洲欧美精品综合一区二区三区| 一级爰片在线观看| 日韩一本色道免费dvd| 亚洲国产精品一区三区| 午夜精品国产一区二区电影| 亚洲国产欧美一区二区综合| 在线观看免费高清a一片| 伊人久久国产一区二区| 人体艺术视频欧美日本| 国产男女内射视频| 秋霞在线观看毛片| 美女高潮到喷水免费观看| 欧美国产精品一级二级三级| 国产成人欧美| 国产高清不卡午夜福利| 国产成人免费观看mmmm| 天堂俺去俺来也www色官网| 狠狠婷婷综合久久久久久88av| 国产成人欧美在线观看 | 日韩精品免费视频一区二区三区| 中文天堂在线官网| 精品一区二区三区av网在线观看 | 国产成人欧美在线观看 | 国产黄色免费在线视频| 91精品国产国语对白视频| 在线观看一区二区三区激情| 日本av免费视频播放| 2021少妇久久久久久久久久久| 国产在线视频一区二区| 日韩av免费高清视频| 韩国精品一区二区三区| 国产女主播在线喷水免费视频网站| 在线观看免费日韩欧美大片| 日韩中文字幕视频在线看片| 飞空精品影院首页| 国产福利在线免费观看视频| 黄色毛片三级朝国网站| 久久久欧美国产精品| 精品久久久久久电影网| 女性被躁到高潮视频| 91精品三级在线观看| 色综合欧美亚洲国产小说| 老司机靠b影院| 亚洲精品日韩在线中文字幕| 2021少妇久久久久久久久久久| 亚洲成色77777| 国产日韩一区二区三区精品不卡| av在线app专区| 国产欧美日韩综合在线一区二区| 免费黄色在线免费观看| 人体艺术视频欧美日本| 久久国产亚洲av麻豆专区| 成年动漫av网址| 一区二区av电影网| 免费黄色在线免费观看| 女性生殖器流出的白浆| 欧美另类一区| 亚洲精品一区蜜桃| 久久99精品国语久久久| 免费日韩欧美在线观看| 大香蕉久久网| 亚洲成国产人片在线观看| 少妇 在线观看| 免费高清在线观看日韩| 免费观看性生交大片5| 午夜福利一区二区在线看| av网站在线播放免费| 韩国高清视频一区二区三区| 国产一区二区三区综合在线观看| 极品人妻少妇av视频| 国产乱来视频区| 19禁男女啪啪无遮挡网站| 国产精品一区二区在线不卡| 国产精品香港三级国产av潘金莲 | 欧美亚洲 丝袜 人妻 在线| 日本欧美国产在线视频| 久久国产精品大桥未久av| 久久 成人 亚洲| av有码第一页| 天美传媒精品一区二区| 欧美激情 高清一区二区三区| 精品久久蜜臀av无| 午夜福利视频在线观看免费| 亚洲av成人精品一二三区| 婷婷成人精品国产| 日韩大码丰满熟妇| 女性被躁到高潮视频| videosex国产| 久久人人爽av亚洲精品天堂| 久久精品aⅴ一区二区三区四区| 一级片'在线观看视频| 搡老岳熟女国产| 色综合欧美亚洲国产小说| 女人高潮潮喷娇喘18禁视频| 七月丁香在线播放| 伊人久久国产一区二区| 国产精品成人在线| av不卡在线播放| 亚洲一码二码三码区别大吗| 亚洲精品国产av成人精品| 国产有黄有色有爽视频| 热re99久久国产66热| 在线天堂中文资源库| 久久影院123| 国产精品香港三级国产av潘金莲 | 久久久亚洲精品成人影院| 亚洲精品国产av成人精品| 人人妻人人澡人人爽人人夜夜| 久久97久久精品| 亚洲,欧美,日韩| 国产成人啪精品午夜网站| 97在线人人人人妻| 制服诱惑二区| 国产精品一二三区在线看| 只有这里有精品99| 国产精品一二三区在线看| 最新的欧美精品一区二区| 亚洲熟女毛片儿| 亚洲精品,欧美精品| 老司机深夜福利视频在线观看 | 日本欧美国产在线视频| 国产精品一区二区在线观看99| 丰满迷人的少妇在线观看| 一区福利在线观看| 一区二区av电影网| 国产精品国产三级国产专区5o| 大话2 男鬼变身卡| 美女福利国产在线| 不卡视频在线观看欧美| 黄色怎么调成土黄色| 亚洲,欧美精品.| 久久久久人妻精品一区果冻| 亚洲精品一二三| 精品一区在线观看国产| 午夜福利乱码中文字幕| 欧美国产精品一级二级三级| 免费少妇av软件| 在线观看三级黄色| 国产日韩欧美在线精品| 久久久久视频综合| 十八禁高潮呻吟视频| 视频区图区小说| 免费黄网站久久成人精品| 99精品久久久久人妻精品| 国产成人欧美| 亚洲美女视频黄频| 国产一区有黄有色的免费视频| 久久久国产一区二区| 少妇被粗大的猛进出69影院| 国产高清国产精品国产三级| 99国产精品免费福利视频| 在线观看免费高清a一片| 精品国产乱码久久久久久男人| 国产一区二区在线观看av| 一区二区三区乱码不卡18| 欧美日韩一区二区视频在线观看视频在线| 高清欧美精品videossex| 高清黄色对白视频在线免费看| 夜夜骑夜夜射夜夜干| 国产精品久久久久久人妻精品电影 | 在线看a的网站| 精品少妇一区二区三区视频日本电影 | 亚洲精品久久久久久婷婷小说| 亚洲精品国产区一区二| 久久久久精品久久久久真实原创| 自线自在国产av| 最新在线观看一区二区三区 | 国产精品99久久99久久久不卡 | 亚洲成人一二三区av| 精品国产一区二区久久| 亚洲成人免费av在线播放| 日本猛色少妇xxxxx猛交久久| 另类亚洲欧美激情| 久久久久久久精品精品| 国产男女超爽视频在线观看| 成年人午夜在线观看视频| 在线观看免费日韩欧美大片| 国产爽快片一区二区三区| 各种免费的搞黄视频| 国产成人午夜福利电影在线观看| 一区二区三区四区激情视频| 大陆偷拍与自拍| 日韩 亚洲 欧美在线| av免费观看日本| 亚洲成人免费av在线播放| 黑人猛操日本美女一级片| 欧美日本中文国产一区发布| 色婷婷久久久亚洲欧美| 日本wwww免费看| 亚洲,欧美,日韩| 水蜜桃什么品种好| 成人国产av品久久久| 中文字幕最新亚洲高清| 亚洲第一区二区三区不卡| 亚洲国产成人一精品久久久| av天堂久久9| 男女下面插进去视频免费观看| 亚洲国产精品国产精品|