An infrared and visible image fusion method based on fuzzy pulse coupled neural network and salience detection

• Jing Xu ^[1] ; Jing Liu ^[1] ; Kangxin Li ^[1]
  1. [1] School of Electronic Engineering, Xi'an University of Posts Et Telecommunications. Xi'an, Shaanxi. China
• Localización: Revista DYNA, ISSN-e 0012-7361, ISSN 0012-7361, Vol. 97, Nº 5, 2022 (Ejemplar dedicado a: DYNA mejora de nuevo su factor de impacto), págs. 535-542
• Idioma: inglés
• Títulos paralelos:
  • Un método de fusión de imágenes infrarrojas y visibles basado en una red neuronal difusa acoplada y en la detección de relevancia
• Texto completo no disponible (Saber más ...)
• Resumen

  • Los métodos existentes de fusión de imágenes basados en redes neuronales acopladas por impulsos (PCNN) ignoran el hecho de que el cerebro humano es esencial para la combinación orgánica de la red neuronal y el sistema difuso. Como resultado, algunos píxeles que llevan información detallada no pueden activar las neuronas, lo que resulta en la pérdida de detalles de las imágenes de origen y la disminución de la calidad de las imágenes fusionadas. Para resolver este problema, el presente estudio propone un método de fusión de imágenes infrarrojas y visibles basado en una red neuronal difusa acoplada a pulsos (FPCNN) y en la detección de saliencia. Este método propuesto construye la FPCNN combinando la teoría difusa y la red neuronal acoplada a pulsos. Las partes de los dibujos animados obtenidas a partir de la descomposición de las imágenes de origen mediante el modelo de variación total se fusionaron basándose en la FPCNN. A continuación, se llevó a cabo la detección de la saliencia de los coeficientes de la representación dispersa de convolución de las partes de textura. Las partes de la textura se fusionaron sobre la base de los resultados de la detección de saliencia. Por último, los dibujos animados fusionados y las partes de textura se añadieron para obtener la imagen fusionada. La eficacia y la superioridad del método propuesto se verificaron mediante experimentos. Los resultados demuestran que, en comparación con los siete algoritmos más avanzados, el algoritmo propuesto es superior en términos de índices de evaluación objetivos como la entropía de la información, el gradiente medio, la similitud estructural y el rendimiento de la fusión basada en el gradiente. Además, el método propuesto tiene un buen efecto visual. Este estudio proporciona una referencia para la producción de imágenes de alta calidad para todo tipo de clima en la descripción de la escena completa.