这是基于NSST和PCNN的图像融合源码。下载解压后直接运行。

针对多聚焦图像融合中目标物边缘处产生虚影的问题，提出一种基于引导滤波与改进脉冲耦合神经网络(PCNN)的多聚焦图像融合算法。该算法利用引导滤波器对源图像进行多尺度边缘保持分解，对分解得到的基本图像和细节图像采用不同的引导滤波加权融合策略进行初步融合；将初步融合图作为外部输入激励刺激改进的PCNN模型；根据融合权重图对多幅源图像进行融合，获得最终的融合图像。实验结果表明，与传统融合算法相比，本文方法较好地保留了源图像的边缘、区域边界以及纹理等细节信息，避免了目标物边缘处产生虚影，提高了融合图像的质量。

基于S-PCNN和拉普拉斯金字塔的彩色图像融合研究

考虑到小波变换存在一些局限性，提出一种把非下采样Contourlet变换（NSCT）与脉冲耦合神经网络（PCNN）相结合的图像融合新方法。用NSCT变换从多尺度和多方向上分解配准后的原始图像。低频应用改进的边缘能量结合空间频率的融合方法；高频应用PCNN简化数学模型，其链接强度用改进的拉普拉斯能量和表示。并且选择点火映射图的点火次数与其标准差相结合的方法。最后经过NSCT逆变换得出融合图像。实验分析可知，与其他几种图像融合方法进行比较，新方法取得了更高质量的融合图像。

基于改进PCNN和多尺度分解的图像融合新方法

目前基于深度学习的人物关系抽取方法中大都使用单一的CNN或RNN模型，CNN擅长提取局部的最重要特征，但是不适合处理序列输入，而RNN虽然在任意长度的序列化任务中具有很大的优势，但是对局部的重要特征提取不够充分，针对以上问题，提出一种基于双向GRU和PCNN的人物关系抽取方法。将双向GRU模型与PCNN模型的优点结合起来，同时在模型中加入注意力机制。利用远程监督的方法构建训练语料进行实验验证，结果表明，该方法相较于单一的双向GRU模型、PCNN模型具有更好的效果。

本程序是基于PCNN的图像分割源程序，希望对大家有帮助。

粒子群算法优化的基于S-PCNN的多焦点图像融合方法

是基于脉冲耦合神经网络pcnn的图像分割代码，可以实现对图像的分割效果还不错

包括图像增强，图像分割，图像去噪等图像处理算法