视觉皮层神经元脉冲同步振荡信息的图像融合技术研究

Visual cortical neurons realize clustering of characteristics on the image information by their synchronism pulses oscillation; Oscillation Time Sequences (OTS) and oscillation frequency chart obtained by pulse information of the visual cortex PCNN model have very good measurement characteristics for the image information distribution, and have very good application values in image fusion. However, image information measurement methods based on PCNN have not been systematically researched; Parameters of the model are mostly fixed settings, comprehensive optimization of the parameters of the model and fusion quality of the images has not been realized. In view of this, based on PCNN, first of all this project systematically investigates information measurement methods for image fusion on OTS and oscillation frequency chart of the image, this sets up the contrast basis for the feature information extraction in image fusion, and then the project puts forward some practical methods for the design and analysis of the fusion rule. Through the dynamics mechanism analysis of the visual cortex neuron and parameters optimization estimation of the neuron, and then we study the parameters optimization design methods of the neurons by using of optimization algorithm. Finally, using the comprehensive information measurement methods and image fusion quality comprehensive evaluation methods, we will put forward appropriate fusion algorithm structure in view of the actual image fusion applied research. The project's successful implementation is expected to improve the effectiveness of visual cortical neurons PCNN used in image fusion, to realize the fusion process automation and integration quality optimization, and deepen the understanding of the information processing mechanism in the visual cortex neurons.

视觉皮层神经元以同步性的脉冲振荡实现特征聚类，由视觉皮层模型PCNN中的脉冲信息得到的振荡时间序列（OTS）和振荡频图对图像的信息量分布具有很好的度量特性，在图像融合中有很好的应用价值。然而，基于PCNN的图像信息量度量方法未得到系统地研究；模型参数多为固定设置，未实现参数和融合质量的综合优化。鉴于此，本项目基于PCNN，首先系统地研究图像OTS和振荡频图的信息量度量方法，为图像融合中的特征信息提取建立信息量对比依据，进而为融合准则的设计分析提出一些实用的方法。然后研究模型关键参数的筛选和动态范围的估计，进而利用优化算法研究参数的最优化。最后利用综合的信息度量方法和图像融合质量的综合评价方法，针对实际的图像融合应用研究提出合适的融合算法结构。该项目的实施有望提高PCNN模型在图像融合中的有效性，实现融合过程的自动化与融合质量的最优化，并深化对视觉皮层神经元信息处理机制的认识。

本项目主要是图像融合、DNA序列相似性分析等其它应用研究。.多聚焦图像、红外和可见光图像、遥感图像、医学图像融合。将RGB彩色图像变换到HSV颜色空间、HIS颜色空间以及CIELab颜色空间。利用非下采样剪切变换(NSST)、双复树小波变换（DTCWT）、拉普拉斯金字塔（LP）、非子采样轮廓波变换(NSCT)、离散静态小波变换(DSWT)、离散余弦变换(DCT)和局部空间频率(LSF)和均值漂移（MeanShift）将图像分解成一个低频图像和一系列的高频图像进行分别处理。利用多目标粒子群优化方法、遗传优化算法（GA）来优化PCNN参数设置。从而结合PCNN以及不同的融合策略对图像进行融合。利用PCNN进行人脸识别、虹膜识别、椒盐噪声污染的人脸识别；人脸表情识别。利用稀疏判别分析的特征提取来实现人脸图像等高维数据的特征提取。利用局部自适应回归内核(LARK)方法，实现图像显著特征提取与目标快速检测定位方法。取得了好的结果。相应成果发表在《Journal of Sensors》、《Soft Computing》、Physica A》、《Infrared Physics & Technology》、《Journal of Applied Remote Sensing》、《Journal of Molecular Graphics and Modelling》、《International Journal of Pattern Recognition and Artificial Intelligence》、《中国图象图形学报》、、《计算机科学》、《计算机应用》、《计算机工程与应用》、《电子技术应用》、《云南大学学报（自然科学版）》以及国际会议上。.本项目已取得的成果有41项，在国内外期刊发表论文25篇，其中SCIE、EI双检索13篇，中文核心12篇。国际会议论文12篇。发明专利申请4项。培养研究生已获工学硕士学位18人，在读博士2人，在读硕士7人。