基于一類(lèi)遞歸神經(jīng)網(wǎng)絡(luò)的圖像融合問(wèn)題

摘 要：文章研究利用一類(lèi)遞歸神經(jīng)網(wǎng)絡(luò)解決圖像融合問(wèn)題，首先將圖像融合問(wèn)題轉(zhuǎn)化為求解一類(lèi)約束二次規(guī)劃問(wèn)題，再利用遞歸神經(jīng)網(wǎng)絡(luò)模型求解該二次規(guī)劃問(wèn)題的最優(yōu)解，仿真例子驗(yàn)證了所得結(jié)果的有效性。

關(guān)鍵詞：圖像融合；約束二次規(guī)劃問(wèn)題；遞歸神經(jīng)網(wǎng)絡(luò)

1 概述

隨著多傳感器技術(shù)的發(fā)展，多傳感器的數(shù)據(jù)融合技術(shù)已經(jīng)廣泛運(yùn)用于許多領(lǐng)域，例如機(jī)器視覺(jué)以及圖像和數(shù)據(jù)處理等方面。數(shù)據(jù)融合的優(yōu)勢(shì)在于可以集成不同來(lái)源的補(bǔ)充信息，以提高對(duì)原始有用信息的提取能力[1]。而圖像融合作為圖像處理中的一種數(shù)據(jù)融合方法，被廣泛運(yùn)用于圖像處理、遙感、計(jì)算機(jī)視覺(jué)以及軍事等領(lǐng)域，所以研究一種解決圖像融合問(wèn)題的高效算法就顯得十分必要，而神經(jīng)網(wǎng)絡(luò)算法由于具有良好的運(yùn)算速度和非線性映射能力已經(jīng)成為了解決圖像融合問(wèn)題的有效方法[2，3]。

文章基于一種遞歸神經(jīng)網(wǎng)絡(luò)算法來(lái)解決圖像融合問(wèn)題，并且將它與原有的投影神經(jīng)網(wǎng)絡(luò)算法進(jìn)行了比較，體現(xiàn)了遞歸神經(jīng)網(wǎng)絡(luò)解決圖像融合問(wèn)題在實(shí)際應(yīng)用中的優(yōu)勢(shì)。

5 結(jié)束語(yǔ)

針對(duì)圖像融合問(wèn)題，文章首先將圖像融合問(wèn)題轉(zhuǎn)化為一類(lèi)約束二次規(guī)劃最優(yōu)解問(wèn)題，然后運(yùn)用遞歸神經(jīng)網(wǎng)絡(luò)解決了一類(lèi)圖像融合問(wèn)題，并通過(guò)仿真驗(yàn)證了所得結(jié)果的有效性。

致謝：感謝樓旭陽(yáng)為文章提出了啟發(fā)性建議。

參考文獻(xiàn)

[1]沃爾夫?qū)?跟蹤和傳感器數(shù)據(jù)融合[M].何佳洲，等譯.科學(xué)出版社， 2015，9.

[2]Xia Y S， Leung H. Performance analysis of statistical optimal data fusion algorithms. Information Sciences，2014，277：808-824.

[3]Xia Y S， Kamel M S. Cooperative learning algorithms for data fusion using L1 estimation. IEEE Transactions Signal Process， 2008，56（3）：1083-1095.

作者簡(jiǎn)介：李恩揚(yáng)（1994-），男，本科生，主要研究方向：神經(jīng)網(wǎng)絡(luò)。