《視覺皮層神經元脈衝同步振盪信息的圖像融合技術研究》是依託雲南大學，由周冬明擔任負責人的國家自然科學基金專項基金項目。
基本介紹
- 中文名：視覺皮層神經元脈衝同步振盪信息的圖像融合技術研究
- 負責人：周冬明
- 依託單位：雲南大學
- 項目類型：專項基金項目
項目摘要,結題摘要,
項目摘要
視覺皮層神經元以同步性的脈衝振盪實現特徵聚類，由視覺皮層模型PCNN中的脈衝信息得到的振盪時間序列（OTS）和振盪頻圖對圖像的信息量分布具有很好的度量特性，在圖像融合中有很好的套用價值。然而，基於PCNN的圖像信息量度量方法未得到系統地研究；模型參數多為固定設定，未實現參數和融合質量的綜合最佳化。鑒於此，本項目基於PCNN，首先系統地研究圖像OTS和振盪頻圖的信息量度量方法，為圖像融合中的特徵信息提取建立信息量對比依據，進而為融合準則的設計分析提出一些實用的方法。然後研究模型關鍵參數的篩選和動態範圍的估計，進而利用最佳化算法研究參數的最最佳化。最後利用綜合的信息度量方法和圖像融合質量的綜合評價方法，針對實際的圖像融合套用研究提出合適的融合算法結構。該項目的實施有望提高PCNN模型在圖像融合中的有效性，實現融合過程的自動化與融合質量的最最佳化，並深化對視覺皮層神經元信息處理機制的認識。
結題摘要
本項目主要是圖像融合、DNA序列相似性分析等其它套用研究。 多聚焦圖像、紅外和可見光圖像、遙感圖像、醫學圖像融合。將RGB彩色圖像變換到HSV顏色空間、HIS顏色空間以及CIELab顏色空間。利用非下採樣剪下變換(NSST)、雙復樹小波變換（DTCWT）、拉普拉斯金字塔（LP）、非子採樣輪廓波變換(NSCT)、離散靜態小波變換(DSWT)、離散餘弦變換(DCT)和局部空間頻率(LSF)和均值漂移（MeanShift）將圖像分解成一個低頻圖像和一系列的高頻圖像進行分別處理。利用多目標粒子群最佳化方法、遺傳最佳化算法（GA）來最佳化PCNN參數設定。從而結合PCNN以及不同的融合策略對圖像進行融合。利用PCNN進行人臉識別、虹膜識別、椒鹽噪聲污染的人臉識別；人臉表情識別。利用稀疏判別分析的特徵提取來實現人臉圖像等高維數據的特徵提取。利用局部自適應回歸核心(LARK)方法，實現圖像顯著特徵提取與目標快速檢測定位方法。取得了好的結果。相應成果發表在《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》、《中國圖象圖形學報》、、《計算機科學》、《計算機套用》、《計算機工程與套用》、《電子技術套用》、《雲南大學學報（自然科學版）》以及國際會議上。 本項目已取得的成果有41項，在國內外期刊發表論文25篇，其中SCIE、EI雙檢索13篇，中文核心12篇。國際會議論文12篇。發明專利申請4項。培養研究生已獲工學碩士學位18人，在讀博士2人，在讀碩士7人。
