图像融合评价方法的研究

图像融合就是用一种特定的算法将两幅或多幅图像合成为一幅新图像.图像融合的评价包括主观评价和客观评价.本文总结介绍了现有的图像融合评价方法,其中着重介绍了图像融合的客观评价方法,可分为5类:统计特性评价方法;信息量评价方法;图像清晰度评价方法;信噪比评价方法;光谱信息评价方法.然后又介绍了两种新的图像融合评价方法,最后提...     

新型可见光和红外图像融合综合评价方法

针对单一因素指标对图像融合质量评价的局限性,提出了一种异源图像融合质量评价模型.首先,计算出各融合图像的多种典型图像融合客观评价值,利用离散化将每项指标分为三类;然后运用粗糙集对进行约简,消除冗余以及冲突指标,将简化的指标作为BP神经网络的输入样本,将融合图像的主观评价结论样本作为模糊期望输出,通过学习生成网络;最后输入训练样本,得到输出的主观评价指标.大量实验结果表明该方法评价结果合理,主客观评价有较好的一致性,为融合图像自动化评价的实现提供了有效的途径.     

多传感器图像融合效果评价方法研究

采用多传感器图像融合方法，利用信息在多个测度空间的互补性可得到更多的有用信息。融合后的图像应保留原图像的重要细节，且不引入会影响图像后续处理的虚假信息，这就需要对融合的效果进行评判，而融合图像质量的评价问题目前还是图像融合研究的一个薄弱环节。讨论了融合图像质量的评价问题，提出带反馈信息图像融合的结构模型。评述了融合图像的单因素评价、模糊积分综合评价、D—S证据理论综合评价、粗糙集理论的评价方法、以信息量为标准的评价、加权求和法综合评价等方法。     

评价多传感器图像融合效果方法的比较

为了选择一种在复杂条件下能与主观评价图像融合方法取得一致效果的客观评价方法,对一些方法进行了比较。通过量度融合图像与源图像的交互信息,评价多传感器图像的融合效果具有简单、准确、抗干扰性好的特点。通过红外图像与可见光图像融合的实验,将交互信息量的评价方法与其他评价方法相比较,结果表明,交互信息量是一种很好的评价指标。     

面向目标识别的图像融合效果评价方法

在融合效果主观评价的基础上,针对目标探测识别领域,概括出一些重要的融合效果评价指标,即标准差、熵、交叉熵、互信息和模糊Choquet积分等,并提出了一种基于目标提取的图像融合效果客观评价方法.鉴于实验评价方法的局限性,指出应结合分析评价方法才能实现更全面的融合效果评价.     

多源图像彩色融合效果评价研究

通过采用简单、基于增强处理和HSV变换、基于人眼视觉特性及YIQ变换的彩色融合得到4幅图像,分别对其进行主观和客观评价.主观评价实验对同一场景的可见光、中波红外和长波红外图像进行了不同的算法处理,将获取结果用于直方图统计对比分析.客观评价采用基于YIQ变换及加权平均的方法进行图像比较,并直接用对比度R、粗糙度G和熵B比较融合结果,提出应采用主、客观结合的评价方法.     

图像融合技术及评价方法

描述了图像融合的基本概念、层次,重点阐述了像素级图像融合的基本原理和方法.对图像融合的客观评价标准进行了总结,进行了仿真试验,并利用评价标准比较了多种图像融合方法的性能,最后展望了图像融合发展的前景.     

基于模糊密度分解的遥感图像光谱和纹理 信息的融合

根据遥感图像的纹理特征具有不确定性和各类别的分类精度有较大差异的特点,针对常用的表示分类器置信度的模糊密度,在信息融合过程中,存在削弱低置信度分类器中高精度类别对融合结果起作用的问题,提出了一种对模糊密度进行分解的模糊积分方法,分解后的模糊密度表示分类器中各类别的置信度,从而突出了分类器中类别的分类精度对系统最终决策的重要程度.实验表明采用分解的模糊密度的模糊积分融合分割方法具有较高的精度.     

雷达航迹融合效果的模糊综合评估

为了使数据融合系统更加标准和完善,本文针对数据融合系统的工作特点,结合数据融合评价系统的工作原理,构建了运用模糊评判理论评价数据融合系统效果的模型,并应用于某数据融合系统。通过实验数据证明了该方法的适用性,从而使该领域的研究得以深入化。     

基于人工神经网络下的图像识别的研究

主要利用人工神经网络的理论知识研究在图像识别中的应用为目的,研究图像识别中图像分割的技术,同时详细分析了多层前馈神经网络的描述及BP算法工作过程。介绍隐层的选择及隐层神经元数选择的一些经验方法。针对BP算法存在的问题,提出加可变动量因子的BP算法,通过对网络训练过程参数调整以及增加可变动量因子等方面进行优化改进,实验证明加快了训练速度,改善了BP网络的学习效果。     

基于卷积神经网络的红外与可见光图像融合

非下采样剪切波变换(NSST)域中低频子带的融合需要人工给定融合模式,因此未能充分捕获源图像的空间连续性和轮廓细节信息.针对上述问题,提出了基于深度卷积神经网络的红外与可见光图像融合算法.首先,使用孪生双通道卷积神经网络学习NSST域低频子带的特征来输出衡量子带空间细节信息的特征图.然后,根据高斯滤波处理的特征图设计了基于局部相似性的测量函数来自适应地调整NSST域低频子带的融合模式.最后,根据NSST域高频子带的方差、局部区域能量以及可见度特征来自适应地设置脉冲耦合神经网络参数完成NSST域高频子带的融合.实验结果表明:该算法QAB/F指标略弱于对比算法,但SF、SP、SSIM以及VIFF指标分别提高了约50.42％、14.25％、7.91％以及61.67％,有效地解决了低频子带融合模式给定的问题,同时又克服了手动设置PCNN参数的缺陷.     

一种基于神经网络的数据融合方法在遥感图像处理中的应用

用一维自组织特征的神经网络数据融合算法，对分别从3个传感器采集的同一遥感对象的3幅数字灰度图像进行了融合，生成出了高质量图像，为人工判读和下一步特征层和决策层融合处理提供了更佳的输入信息。     

基于一维自组织神经网络的图像数据融合算法研究

多传感器数据融合技术最近在图像处理领域得到广泛的重视和应用.传统图像处理是典型的二维信号处理,图像数据融合也属此范畴.为了融合来自同一景物的多幅带有不同噪声的图像,本文提出了一种基于一维自组织特征映射神经网络的图像融合算法,利用等灰度图法来确定自组织映射神经网络的聚类数,并用一维的像素特征量直接进行二维图像信号处理. 仿真试验给出的详细结果表明了该图像融合算法的有效性.     

基于模糊神经网络的欺骗性干扰效果评估

雷达干扰效果评估是一个重要且很棘手的问题。本文将模糊神经网络引入到欺骗性干扰效果评估中，充分发挥了模糊数学和神经网络的优势，建立了一种模糊综合评估模型，用以对干扰效果进行评估。该评估方法简便、易行、准确性高。     

基于工作过程的高职《数字图形图像设计与处理》课程开发与建设

在《数字图形图像设计与处理》课程开发与建设中,围绕基于工作过程的多项目课程开发模式来展开,针对相关行业岗位,典型工作任务和职业能力要求,将职业领域转换为相应的工作情境,从中遴选出典型工作任务,并按照工作过程来组织教学内容,让学生在实际的工作项目和环境中开展学习活动,体会到“做中学,学中做”的乐趣。     

Face Image Recognition Based on Convolutional Neural Network

With the continuous progress of The Times and the development of technology,the rise of network social media has also brought the“explosive”growth of image data.As one of the main ways of People’s Daily communication,image is widely used as a carrier of communication because of its rich content,intuitive and other advantages.Image recognition based on convolution neural network is the first application in the field of image recognition.A series of algorithm operations such as image eigenvalue extraction,recognition and convolution are used to identify and analyze different images.The rapid development of artificial intelligence makes machine learning more and more important in its research field.Use algorithms to learn each piece of data and predict the outcome.This has become an important key to open the door of artificial intelligence.In machine vision,image recognition is the foundation,but how to associate the low-level information in the image with the high-level image semantics becomes the key problem of image recognition.Predecessors have provided many model algorithms,which have laid a solid foundation for the development of artificial intelligence and image recognition.The multi-level information fusion model based on the VGG16 model is an improvement on the fully connected neural network.Different from full connection network,convolutional neural network does not use full connection method in each layer of neurons of neural network,but USES some nodes for connection.Although this method reduces the computation time,due to the fact that the convolutional neural network model will lose some useful feature information in the process of propagation and calculation,this paper improves the model to be a multi-level information fusion of the convolution calculation method,and further recovers the discarded feature information,so as to improve the recognition rate of the image.VGG divides the network into five groups(mimicking the five layers of AlexNet),yet it USES 3*3 filters and combines them as a convolution sequence.Network deeper DCNN,channel number is bigger.The recognition rate of the model was verified by 0RL Face Database,BioID Face Database and CASIA Face Image Database.     

基于神经网络的分布式雷达抗干扰效能评估方法

提出了一种利用后向传播神经网络来评估分布式雷达抗干扰效能的方法。该方法将试验数据的专家评估结论作为样本训练网络,并利用训练好的网络对几组数据进行评估。将网络评估结果与传统加权评估和模糊综合评估的结果相比较,结果表明神经网络法是一种评估分布式雷达抗干扰效能的有效方法。     

基于神经网络的数据融合方法

作为一种新的方法体系,人工神经网络具有分布并行处理、非线性映射、自适应学习、较强的鲁棒性和容错等特性,这使得它在模式识别、控制优化、智能信息处理以及故障诊断等方面都有广泛的应用。本文对BP神经网络模设计、建立及训练进行了深入的讨论,研究了基于BP神经网络的数据融合的优缺点。