SCA算法优化脉冲耦合神经网络的图像自动分割（Matlab代码实现）

🍁🥬🕒摘要🕒🥬🍁

为了有效提升多源图像融合质量，提出了应用剪切波变换和脉冲耦合神经网络的图像融合方法。利用有限离散剪切波变换将图像分解为高频和低频子带，并采用小波变换二次分解低频子带；选取脉冲耦合神经网络的高频分量融合规则获取高频子带系数；利用剪切波逆变换融合多源图像高频与低频子带系数，得到最终融合图像。实验结果表明，所提出的方法融合后图像具有较优的互信息量、信息熵、加权融合质量指数、边缘信息传递量，融合后图像包含较多的细节信息，改善了图像质量。 

✨🔎⚡运行结果⚡🔎✨

​

 

 

💂♨️👨‍🎓Matlab代码👨‍🎓♨️💂

%% SCA算法优化脉冲耦合神经网络的图像自动分割
%读取图像
pcode s.m
clc;clear all;
close all;
I = imread('1006.jpg');
%将图像转换为灰度图

if(size(I,3)~=1)
    Igray = rgb2gray(I);
else
    Igray = I;
end

% subplot(1,3,1),imshow(I);
figure
imshow(I,[]);
% title('The original image');
% axis([0,200,0,200]);
% axis on;                  %显示坐标系
I1=rgb2gray(I);
% subplot(1,3,2),imshow(I1);
% title('Grayscale image');
% axis([0,200,0,200]);
% axis on;                  %显示坐标系

% J=imadjust(I1,[0.1 0.5],[]); %局部拉伸，把[0.1 0.5]内的灰度拉伸为[0 1]
% subplot(2,2,3),imshow(J);
% title('Linearly transform the image[0.1 0.5]');
% axis([0,200,0,200]);
% grid on;                  %显示网格线
% axis on;                  %显示坐标系

K=imadjust(I1,[0.2 0.8],[]); %局部拉伸，把[0.3 0.7]内的灰度拉伸为[0 1]
% subplot(1,3,3),imshow(K);
% title('Linearly transform the image');
% axis([0,200,0,200]);
% grid on;                  %显示网格线
% axis on;                  %显示坐标系

  完整代码：SCA算法优化脉冲耦合神经网络的图像自动分割

📜📢🌈参考文献🌈📢📜

[1]张亚加,邱啟蒙,高智强,邵建龙.基于简化脉冲耦合神经网络和改进稀疏表示的脑部图像融合算法[J].光电子·激光,2022,33(11):1225-1232.DOI:10.16136/j.joel.2022.11.0003.