一种新的结合SVM和FNN的多聚焦图像融合算法.pdfVIP

第 34卷第 1期 计 算 技 术 与 自 动 化 Vo1．34，NO．1 2015年 3月 ComputingTechnologyandAutomation M ar．2 0 15 文章编号 ：1003～6199(2015)01—0081—07 一 种新 的结合 SVM 和 FNN 的多聚焦 图像 融合算 法 徐 海 ，安吉尧 (湖南大学 信息科学与工程学院，湖南 长沙 41o082) 摘 要 ：针对基于分块 的图像融合 中分块裂痕和实际融合特征的不确定等 问题 ，提 出一种结合支持 向 量机 (SVM)和模糊神经网络 (FNN)的多聚焦 图像融合新方法。首先 ，通过模糊 C均值聚类 (FCM)和 SVM 获得 FNN 的网络参数，利用构建的模糊神经网络，将分割的图像块分成清晰区域、模糊区域和过渡区域三 类 ；然后 用模糊神 经 网络的反模糊化输 出作 为权 值 因子对三类 区域进行加 权融合 ，输 出融合 的多聚焦 图像 。 最后 ，通过均方根误差、平均绝对误差和峰值信噪 比等指标对 多种融合算法进行融合质量评价。实验结果 表明，提出的融合算法鲁棒性和计算性能较好 ，基本满足实际图像融合的需求，且融合质量评价也表明本文 方法优于现有的融合算法。 关键词 ：多聚焦 图像融合 ；特征级 图像融合 ；模糊神经网络 ；支持 向量机 中图分类号 ：TP391 文献标识码 ：A A New M ulti—focusImageFusionAlgorithm withCombination ofSVM andFNN XU Hai，AN Jiyao (CollegeofInformationScienceandEngineering，HunanUniversity，Changsha，Hunan 410082，China) Abstract：Todealwiththeproblemsofcracksamongblocksandtheuncertaintyofrealcharacteristicsofimagefusion basedonblock，thispaperproposedanew multi—focusimagefusionmethodbycombining supportvectormachine (SVM) witsfuzzyneuralnetwork (FNN)．Firstly，FCM andSVM wereusedtoobtaintheparametersofFNN andtheblockwasdi— videdintoclear，blurringandtransitionalzonesbasedontheFNN．Thenthethreeclassifiedareasweremergedwithweigh— tingtogetthefusedmulti—focusimages，wheretheweightfactorswereobtainedasthedefuzzicationoutputsofthefuzzy neuralnetwork．Finally，thequalitiesofvariousfusionalgorithm wereevaluatedbytherootmeansquareerror(RMSE)，the meanabsoluteerror(MAE)andpeaksignaltOnoiseratio(PSNR)．Theexperimentalresultsshow thattheproposedfusion algorithm hasgoodrobustnessandcomputingperformance，whichbasicallymeetsthedemandofpracticalimagefusion，and thefusionqualityevaluationsillustratethatourmethodhas