神经耦合网络 PCNN

资 源 简 介

神经耦合网络 PCNN

详 情 说 明

神经耦合网络PCNN是一种受生物视觉系统启发的图像处理模型，特别适用于多源图像的像素级融合任务。其核心在于通过脉冲耦合机制模拟神经元之间的同步放电特性，这种自适应的脉冲同步机制能够有效捕捉图像间的关联特征。

在可见光与红外图像融合场景中，PCNN展现出独特优势：通过神经元间的耦合连接，网络能够根据像素强度自动调整点火频率，将不同光谱图像的特征信息以非线性方式整合。其自适应特性体现在无需预设融合规则，而是通过内部链接强度矩阵动态调整各像素的贡献权重，从而保留可见光图像的纹理细节和红外图像的热辐射特征。

该模型的关键创新点在于将传统人工神经网络的离散迭代转化为连续脉冲传播，通过时间矩阵记录神经元点火状态，使得融合过程具有时空相关性。这种机制特别适合处理多模态图像间的非线性关系，最终输出的融合图像能同时增强目标显著性和背景信息。