关键词:
DR图像融合
非下采样轮廓波变换
脉冲耦合神经网络
区域特征
摘要:
针对大厚比的复杂结构件数字射线成像(Digital radiography,DR),单一透照能量不能完整体现全部信息的问题,提出一种基于区域特征的脉冲耦合神经网络(Pulse coupled neural network,PCNN)多幅图像融合算法。以航空发动机涡轮叶片为研究对象,首先在获取多幅递增管电压透照子图基础上,经非下采样轮廓波变换(Non⁃subsampled contourlet transform,NSCT)分解为一个低频子带和多个尺度下的高频子带;其次采用PCNN算法,用各子带的改进空间频率中方向特征最明显的分量调整连接强度;然后低频子带采用区域均方差、高频子带采用改进的拉普拉斯能量和作为外部激励,点火映射图的判决遵循取大原则;最后通过NSCT逆变换得到融合结果图。实验结果表明,以熵、标准差、平均梯度、清晰度和空间频率作为客观评价指标,与基于拉普拉斯金字塔变换等经典融合算法相比均有所提升。本文研究方法性能优越,丰富了融合图像的细节信息,可获得更高质量的DR融合图像。