基于脉冲耦合神经网络的多源图像融合理论与方法研究

脉冲耦合神经网络(简称PCNN)理论是信息工程领域发展的一个前沿理论问题。针对PCNN在多源图像融合中的基础理论和关键技术需求，通过对PCNN神经元特性分析，建立面向参数自动确定的PCNN神经元优化数学模型；研究PCNN网络参数自适应确定技术，提出具有实用性和先进性的参数自动确定和寻优算法，解决PCNN网络参数无法自动确定的难题；提出基于优化PCNN神经元模型和参数自适应寻优的多源图像融合方法。所提出的基于PCNN参数自适应寻优的图像融合理论和方法可以有效提高融合图像的质量，为图像融合领域提供新思路，为解决融合多传感器图像信息的多模复合制导提供关键技术支持；PCNN网络诸多参数的自动优化确定已成为制约其理论发展和实际应用的一大瓶颈，研究解决此难题对信号处理、图像处理以及相关学科的发展都将起到积极的促进作用。

随着我国高精度对地观测系统计划的实施和快速发展，获取目标的多种传感器影象数据越来越多，融合多源图像信息的景象匹配制导在精确打击武器系统末制导中的作用日益重要。脉冲耦合神经网络( Pulse Coupled Neural Network，简称PCNN )自问世以来，便以其独特的优势和特性成为人工神经网络和模式识别领域的研究热点。基于PCNN的多源图像融合只用最少的视觉神经元就能捕获自然场景中的关键信息，具有其它图像融合方法无法比拟的优势。本基金针对PCNN在多源图像融合中的基础理论和关键技术需求，通过对PCNN神经元特性分析，建立面向参数自动确定的PCNN神经元优化数学模型；研究PCNN网络参数自适应确定技术，提出具有实用性和先进性的参数自动确定和寻优算法；提出基于优化PCNN神经元模型和参数自适应寻优的多源图像融合方法。基金在PCNN模型优化及模型参数自适应设定方法、脉冲耦合神经网络模型在图像融合、图像分割等应用研究方面取得一系列理论创新成果：在PCNN模型优化研究方面，提出了修正脉冲耦合神经网络模型和优化脉冲耦合神经网络模型；在PCNN网络参数自适应确定方法方面，提出了基于水域法的修正PCNN模型自适应参数设定方法，提出了基于灰度直方图的修正PCNN模型参数设定方法。同时，从分析脉冲耦合神经网络运行机理的基础上提出了简化脉冲耦合神经网络模型参数自适应设定方法。在基于PCNN的多源图像融合等应用方面，提出了基于修正PCNN模型参数自动设定的多传感器图像融合方法，提出了基于非采样Contourlet变换与PCNN相结合的图像融合方法，提出了基于修正PCNN模型和优化PCNN模型的图像分割算法，提出了基于简化PCNN模型的多聚焦图像融合算法，提出了基于混沌PCNN的图像加密算法。并对所提算法的实用性和稳定性等进行了理论研究、综合分析和仿真实验。课题研究成果可为我国多模复合制导武器系统的发展提供技术支撑，具有重要的军事意义和效益。由于PCNN网络诸多参数的自动优化确定已成为制约其理论发展和实际应用的一大瓶颈，研究成果中所提出的PCNN优化神经元模型及参数自适应寻优方法对信号处理、图像处理以及相关学科的发展都将起到积极的促进作用，研究具有重要的科学理论意义和广泛的应用推广价值。