圖像融合
- 基于ＮＳＳＴ和稀疏表示的多聚焦圖像融合方法
表示的多聚焦圖像融合方法。鑒于稀疏表示能夠有效地捕捉圖像中的結(jié)構(gòu)信息這一優(yōu)勢，并充分考慮像素間的區(qū)域相關(guān)性，低頻子帶系數(shù)采用稀疏表示和區(qū)域能量相結(jié)合的融合策略，以及加權(quán)平均的融合規(guī)則．高頻子帶系數(shù)采用區(qū)域能量取大的融合規(guī)則。實(shí)驗(yàn)結(jié)果表明，該方法融合圖像清晰度高，能夠更好地保留圖像細(xì)節(jié)信息。關(guān)鍵詞：非下采樣剪切波變換；稀疏表示；區(qū)域能量；多聚焦圖像；圖像融合中圖法分類號：TP391 文獻(xiàn)標(biāo)識碼：A１ 引言由于光學(xué)鏡頭景深的限制，成像系統(tǒng)無法獲取場景中全部目標(biāo)
計(jì)算機(jī)應(yīng)用文摘·觸控 2023年13期2023-07-17
- 基于ＮＳＳＴ和稀疏表示的多聚焦圖像融合方法
表示的多聚焦圖像融合方法。鑒于稀疏表示能夠有效地捕捉圖像中的結(jié)構(gòu)信息這一優(yōu)勢，并充分考慮像素間的區(qū)域相關(guān)性，低頻子帶系數(shù)采用稀疏表示和區(qū)域能量相結(jié)合的融合策略，以及加權(quán)平均的融合規(guī)則．高頻子帶系數(shù)采用區(qū)域能量取大的融合規(guī)則。實(shí)驗(yàn)結(jié)果表明，該方法融合圖像清晰度高，能夠更好地保留圖像細(xì)節(jié)信息。關(guān)鍵詞：非下采樣剪切波變換；稀疏表示；區(qū)域能量；多聚焦圖像；圖像融合中圖法分類號：TP391 文獻(xiàn)標(biāo)識碼：A１ 引言由于光學(xué)鏡頭景深的限制，成像系統(tǒng)無法獲取場景中全部目標(biāo)
計(jì)算機(jī)應(yīng)用文摘 2023年13期2023-07-17
- 基于導(dǎo)向?yàn)V波和小波變換的紅外可見光圖像融合改進(jìn)算法研究
的紅外可見光圖像融合改進(jìn)算法。將源圖像經(jīng)由小波變換獲得二維低頻及高頻的子代系數(shù)，低頻分量采用加權(quán)平均融合，高頻分量提取權(quán)重圖后經(jīng)導(dǎo)向?yàn)V波獲得細(xì)節(jié)增強(qiáng)；再將所處理的各分量經(jīng)小波逆變換獲得融合圖像。該算法使用開源數(shù)據(jù)集TNO檢驗(yàn)效果，經(jīng)過主客觀評估，得出該算法的效果明顯優(yōu)于傳統(tǒng)算法，符合研究預(yù)期。關(guān)鍵詞：圖像融合；小波變換；導(dǎo)向?yàn)V波；多尺度分解；紅外可見光圖像中圖分類號：TP391? 文獻(xiàn)標(biāo)識碼：A? 文章編號：2096-4706（2023）06-0041-0
現(xiàn)代信息科技 2023年6期2023-06-25
- 基于改進(jìn)Retinex算法的低照度圖像增強(qiáng)
；圖像增強(qiáng)；圖像融合；多尺度Retinex中圖分類號：TP391.4? 文獻(xiàn)標(biāo)識碼：A? ? 文章編號：2096-4706（2023）05-0113-04Low Illumination Image Enhancement Based on Improved Retinex AlgorithmZOU Liangna（Xi'an Technological University， Xi'an? 710021， China）Abstract： By compa
現(xiàn)代信息科技 2023年5期2023-06-22
- 紅外-可見光圖像融合的全天候目標(biāo)追蹤方法
絡(luò)，旨在利用圖像融合技術(shù)，將可見光與紅外光圖像各自的優(yōu)點(diǎn)互補(bǔ)，輔助目標(biāo)檢測與追蹤。在特征提取模塊，構(gòu)建以DenseNet為主干的孿生神經(jīng)網(wǎng)絡(luò)。在特征融合與重構(gòu)階段，使用全卷神經(jīng)網(wǎng)絡(luò)構(gòu)造全局特征和模板特征。在目標(biāo)追蹤階段，對全局特征和模板特征進(jìn)行互相關(guān)操作，得到跟蹤結(jié)果。本文方法充分利用雙模態(tài)視頻的深度信息，有效解決極端天氣以及夜間光線不足造成的圖像采集模糊問題，增強(qiáng)追蹤模型在復(fù)雜情景下的魯棒性。關(guān)鍵詞： 計(jì)算機(jī)視覺； 孿生神經(jīng)網(wǎng)絡(luò)； 圖像融合； 目標(biāo)追蹤；
計(jì)算機(jī)時(shí)代 2023年6期2023-06-15
- 人工智能背景下的農(nóng)業(yè)精準(zhǔn)灌溉技術(shù)研究
聯(lián)網(wǎng)云平臺、圖像融合等技術(shù)設(shè)計(jì)出一種適用于田間農(nóng)業(yè)的精準(zhǔn)灌溉系統(tǒng)框架，并對框架中的關(guān)鍵部分構(gòu)成進(jìn)行了論述，可做智能化程度高、精度高、建設(shè)及維護(hù)成本較低的精準(zhǔn)灌溉系統(tǒng)設(shè)計(jì)參考。關(guān)鍵詞：精準(zhǔn)灌溉;人工智能;圖像融合;物聯(lián)網(wǎng)云平臺中圖分類號：TP391 ? ?文獻(xiàn)標(biāo)識碼：A文章編號：1009-3044（2022）13-0082-02農(nóng)業(yè)為百業(yè)之本，任何一個(gè)國家的經(jīng)濟(jì)發(fā)展均直接或間接建立在農(nóng)業(yè)保障基礎(chǔ)之上，而農(nóng)業(yè)的發(fā)展則與水資源息息相關(guān)。在2019年聯(lián)合國國際水資
電腦知識與技術(shù) 2022年13期2022-06-11
- 基于光學(xué)和微波遙感數(shù)據(jù)的普洱市思茅區(qū)森林植被分類
查數(shù)據(jù)，采用圖像融合PCA變換法、Gram-Schmidt變換法、NNDiffuse變換法對Landsat 8和Sentinel-1數(shù)據(jù)進(jìn)行影像融合，采用最大似然分類法和人工神經(jīng)網(wǎng)絡(luò)分類法對思茅區(qū)森林植被進(jìn)行分類。研究結(jié)果表明：1）人工神經(jīng)網(wǎng)絡(luò)分類法的分類精度高于最大似然分類法，其中在PCA和Gram-Schmidt變換融合后的分類精度要略高于NNDiffuse變換融合后的分類精度;2）在低云量數(shù)據(jù)中，基于Gram-Schmidt變換融合后的人工神經(jīng)網(wǎng)絡(luò)分
南方農(nóng)業(yè)·上旬 2022年4期2022-05-22
- 基于紅外與可見光圖像融合的無人機(jī)探測研究
紅外與可見光圖像融合的無人機(jī)探測方法，并且對配準(zhǔn)算法進(jìn)行改進(jìn)，搭配Canny邊緣檢測ORB特征檢測的融合配準(zhǔn)算法。首先，搭建雙目攝像頭、采集無人機(jī)圖像;接著，對圖像進(jìn)行Laplace預(yù)處理、Canny邊緣檢測ORB特征檢測配準(zhǔn)、Harr小波變換融合。將得到的融合圖像和融合前的可見光圖像分別進(jìn)行YOLOv3檢測框架。實(shí)驗(yàn)表明，圖像融合后的識別，mAP從92.45%提高到了93.39%。證明通過圖像融合的方法，可以提高對無人機(jī)識別的準(zhǔn)確率。關(guān)鍵詞：圖像融合;無
電腦知識與技術(shù) 2022年7期2022-05-09
- 基于松鼠搜索算法與IHS變換的遙感圖像融合
董燕摘 要：圖像融合的目標(biāo)是將低空間分辨率的多光譜（multispectral，MS）圖像與高分辨率的全色（panchromatic，PAN）圖像進(jìn)行融合，得到具有高光譜和空間分辨率的圖像。針對基于強(qiáng)度-色調(diào)-飽和度（intensity-hue-saturation，IHS）變換的融合后圖像會(huì)出現(xiàn)光譜扭曲的問題，提出了一種結(jié)合改進(jìn)的松鼠搜索算法和IHS變換的圖像融合方法。首先，通過考慮融合后圖像與原全色和多光譜圖像之間的關(guān)系建立光譜保真和空間保真項(xiàng)，并引入
- 基于小波變換和各向異性擴(kuò)散的紅外和可見光圖像融合算法
紅外與可見光圖像融合時(shí)易出現(xiàn)邊緣模糊以及細(xì)節(jié)分辨能力弱的問題，提出一種基于小波變換和各向異性擴(kuò)散的紅外和可見光圖像融合算法。首先，將紅外圖像和可見光圖像利用小波變換進(jìn)行多尺度分解，獲取原圖像所對應(yīng)的高頻部分和低頻部分;其次，將高頻部分和低頻部分分別進(jìn)行各向異性擴(kuò)散，生成對應(yīng)圖像的基礎(chǔ)層和細(xì)節(jié)層;然后，采用KL變換對異源圖像的細(xì)節(jié)層進(jìn)行融合，采用加權(quán)平均方法對基礎(chǔ)層進(jìn)行融合;最后，將融合后的細(xì)節(jié)層和基礎(chǔ)層通過線性重構(gòu)得到最終的融合圖像。為了驗(yàn)證所提出算法的優(yōu)
- 基于小波變換的圖像融合研究
的快速發(fā)展，圖像融合應(yīng)用越來越廣泛。然而不同傳感器對同一場景的圖像融合算法是獨(dú)立工作的，存在圖像融合效果不佳和信息冗余等問題。文章提出了一種基于小波變換的圖形融合的遺傳算法，首先對圖像進(jìn)行小波分解，得到圖像的小波塔形，再講子圖像應(yīng)用遺傳算法確定重構(gòu)時(shí)的小波系數(shù)，最后采用高、低頻系數(shù)的融合規(guī)則進(jìn)行重構(gòu)。實(shí)驗(yàn)測試表明，該算法提高了圖像的可靠性及融合質(zhì)量，減少冗余信息，降低了噪聲，增強(qiáng)了圖像融合效果。關(guān)鍵詞：圖像融合；小波變換；遺傳算法；圖像邊緣信息中圖分類號：
電腦知識與技術(shù) 2022年34期2022-02-20
- 基于圖像識別的人群活動(dòng)數(shù)據(jù)分析與服務(wù)平臺
：圖像識別;圖像融合;人群數(shù)據(jù);公共管理;一、引言人類社會(huì)發(fā)展離不開對人類社會(huì)活動(dòng)的研究。公共管理，建筑設(shè)計(jì)，消防安全等多方面的發(fā)展進(jìn)步都需要此類研究作為支撐。但其重點(diǎn)研究對象不僅僅是個(gè)體，群體也是重點(diǎn)之一。對個(gè)體的研究主要采取調(diào)查和跟蹤采訪，但對于群體而言，僅能通過群體的分布信息或者活動(dòng)軌跡來研究。因此，如何挖掘和分析這些有價(jià)值的人群數(shù)據(jù)并且將其應(yīng)用到實(shí)際中來，成為了一種新的公共管理需求。以下通過三個(gè)章節(jié)分別論述人群數(shù)據(jù)的應(yīng)用價(jià)值，技術(shù)路線以及應(yīng)用場景和
科學(xué)與生活 2021年16期2021-11-25
- 基于簡化脈沖耦合神經(jīng)網(wǎng)絡(luò)的圖像融合實(shí)驗(yàn)
）模型應(yīng)用到圖像融合中。文章選取一組醫(yī)學(xué)圖像（CT和MRI）和一組遙感圖像（可見光和紅外），分別采用SPCNN算法和傳統(tǒng)算法進(jìn)行圖像融合對比實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，SPCNN算法在主觀視覺方面得到較好的效果，還提高了算法運(yùn)行速率，保留了更多的圖像細(xì)節(jié)信息。關(guān)鍵詞： NSST變換; 脈沖耦合神經(jīng)網(wǎng)絡(luò); 圖像融合; 人工智能中圖分類號：TP391.4? ? ? ? ? 文獻(xiàn)標(biāo)識碼：A? ? ?文章編號：1006-8228（2021）11-63-03Experime
計(jì)算機(jī)時(shí)代 2021年11期2021-11-20
- 基于導(dǎo)向?yàn)V波的圖像融合算法改進(jìn)研究
傳統(tǒng)導(dǎo)向?yàn)V波圖像融合算法在圖像處理過程中的效果，使得融合后的圖像能夠保留更多的細(xì)節(jié)信息，在傳統(tǒng)的導(dǎo)向?yàn)V波圖像融合法的基礎(chǔ)上，利用非線性的Sigmoid函數(shù)可以映射到[0，1]的特性，用其代替原有線性的加權(quán)平均，最后得到融合后的圖像。通過對實(shí)驗(yàn)結(jié)果進(jìn)行對比分析發(fā)現(xiàn)，相較于傳統(tǒng)的導(dǎo)向?yàn)V波圖像融合算法，本文經(jīng)過對權(quán)重重新分配后能夠有效提高一些圖像的融合效果。關(guān)鍵詞：導(dǎo)向?yàn)V波;Sigmoid函數(shù);圖像融合中圖分類號：TP202? ? ?文獻(xiàn)標(biāo)識碼：AResearc
軟件工程 2021年11期2021-11-09
- 全景圖像拼接技術(shù)研究綜述
;圖像配準(zhǔn);圖像融合;全景圖像中圖分類號：TP3? ? ? ? ? ?文獻(xiàn)標(biāo)識碼：A文章編號：1009-3044（2021）27-0107-02普通的全景設(shè)備所得圖像往往失真嚴(yán)重，全景圖像拼接的技術(shù)正是為解決這一問題而產(chǎn)生。全景圖像拼接包括配準(zhǔn)和融合兩個(gè)關(guān)鍵階段。首先，通過一定算法從不同傳感器所拍攝的彼此間有一定重疊的多幅圖像中提取出特征集合，然后選擇合適的搜索策略對不同圖像中所提取的特征進(jìn)行相似性度量，找出對應(yīng)點(diǎn)，計(jì)算兩幅圖像之間的最佳變換模型，使得不同
電腦知識與技術(shù) 2021年27期2021-11-08
- 一種改進(jìn)算法實(shí)現(xiàn)巖心圖像無縫拼接
;無縫拼接;圖像融合中圖分類號：TP311? ? ?文獻(xiàn)標(biāo)識碼：A文章編號：1009-3044（2021）26-0105-03開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：An Improved Algorithm for Seamless Stitching of Core ImagesZHU Wang， SHEN Jiang-hai（School of Computer Science， Yangtze University， Jingzhou 434023
電腦知識與技術(shù) 2021年26期2021-10-18
- 基于卷積網(wǎng)絡(luò)實(shí)現(xiàn)圖像配準(zhǔn)與圖像融合算法的研究
、圖像配準(zhǔn)、圖像融合等某一個(gè)特定任務(wù)中表現(xiàn)很好，具有一定的局限性。而卷積神經(jīng)網(wǎng)絡(luò)的堆疊和利用可以同時(shí)實(shí)現(xiàn)視頻圖像增強(qiáng)所需的多種功能。本文采用孿生結(jié)構(gòu)的深度卷積神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)圖像配準(zhǔn)和圖像融合，具有重大應(yīng)用價(jià)值。關(guān)鍵詞：孿生結(jié)構(gòu);圖像配準(zhǔn);圖像融合引言為獲得場景信息更豐富的圖像，通常用到圖像配準(zhǔn)與圖像融合方法，圖像融合是將多幅不同圖像集成為一幅圖像，集成后的圖像蘊(yùn)涵著所有圖像的優(yōu)勢信息，融合算法的基礎(chǔ)是圖像的配準(zhǔn)技術(shù)，深度學(xué)習(xí)具有提升圖像融合和配準(zhǔn)質(zhì)量的潛力。
科技研究 2021年22期2021-09-22
- 兩類基于PCNN的圖像融合算法綜述
神經(jīng)網(wǎng)絡(luò)）的圖像融合算法越來越多樣化。針對用PCNN進(jìn)行圖像融合時(shí)找不到落腳點(diǎn)的問題，提出了兩類常用的融合算法，分別是基于PCNN與多尺度變換相結(jié)合、減少PCNN計(jì)算復(fù)雜度的融合算法。文章對這兩類算法進(jìn)行了分析與總結(jié)，列舉了這兩類方法可以改進(jìn)的具體方向，為接下來的創(chuàng)新工作指明了方向，并對未來的研究方向進(jìn)行了展望。關(guān)鍵詞： 脈沖耦合神經(jīng)網(wǎng)絡(luò); 圖像融合; 多尺度變換; 計(jì)算復(fù)雜度中圖分類號：TP391 ? ? ? ? ?文獻(xiàn)標(biāo)識碼：A ? ? 文章編號：10
計(jì)算機(jī)時(shí)代 2021年6期2021-07-20
- 基于單目幾何的三維全景圖研究與構(gòu)建
特征點(diǎn)匹配及圖像融合等關(guān)鍵步驟進(jìn)行闡述。最后，利用VS2012+Opencv開發(fā)工具，對實(shí)驗(yàn)室場景環(huán)繞360。采集5幅圖像，完成全景圖構(gòu)建，效果良好。關(guān)鍵詞：特征點(diǎn)提取;特征點(diǎn)匹配;圖像融合;RANSAC算法中圖分類號：TP391? ? ? 文獻(xiàn)標(biāo)識碼：A文章編號：1009-3044（2021）14-0174-02Abstract： Three dimensional panorama is widely used in real estate decor
電腦知識與技術(shù) 2021年14期2021-07-19
- 融合引導(dǎo)濾波和小波變換的水下圖像增強(qiáng)算法
直方圖均衡;圖像融合中圖分類號：TN957.52????? 文獻(xiàn)標(biāo)識碼：AUnderwater Image Enhancement Algorithm CombiningGuided Filtering and Wavelet TransformHE Xiao，WANG Gang，HE Huan（School of Mathematical Sciences，Xinjiang Normal University，Urumqi，Xinjiang 830017
計(jì)算技術(shù)與自動(dòng)化 2021年1期2021-04-09
- 基于中值濾波的多尺度快速圖像融合算法
要：針對傳統(tǒng)圖像融合時(shí)間較慢，融合后圖像紋理不清晰的缺點(diǎn)，提出了一種基于中值濾波的多尺度快速圖像融合算法。首先通過中值濾波快速將圖像分解為基層和細(xì)節(jié)層，再通過權(quán)值融合的方法將不同源的細(xì)節(jié)層和基層融合，獲得融合圖像。實(shí)驗(yàn)表明，該方法具有較好的刻畫紋理能力和較少的運(yùn)算時(shí)間。關(guān)鍵詞：圖像融合;中值濾波;多尺度中圖分類號： TP18? ? ? ? 文獻(xiàn)標(biāo)識碼：A文章編號：1009-3044（2021）02-0169-02Abstract： In view of t
電腦知識與技術(shù) 2021年2期2021-03-24
- 基于潛在低秩表示的雙模態(tài)醫(yī)學(xué)圖像融合
濤摘要：醫(yī)學(xué)圖像融合是圖像處理科研領(lǐng)域的熱門課題。針對傳統(tǒng)的PET-CT圖像融合方法有效地融合了CT圖像和PET圖像的互補(bǔ)信息，但是在圖像整體細(xì)節(jié)信息保留能力仍然不足，現(xiàn)提出一種基于潛在低秩表示的雙模態(tài)醫(yī)學(xué)圖像融合方法，首先，將醫(yī)學(xué)原圖像通過潛在低秩表示方法分解為低秩部分、顯著部分以及噪聲部分。在低秩部分中，采用加權(quán)平均融合規(guī)則進(jìn)行融合，以此來保留更多的圖像整體信息，在顯著部分中，使用求和策略進(jìn)行融合，保留圖像的細(xì)節(jié)信息。然后，將這兩部分的融合圖像再進(jìn)行重
電腦知識與技術(shù) 2021年35期2021-02-28
- 基于不同頻段選擇方案的醫(yī)學(xué)圖像融合
RA和MRI圖像融合，形成一幅信息量盡可能多的圖像。試驗(yàn)表明，該方法是有效的，能夠獲得滿意的融合結(jié)果。關(guān)鍵詞：圖像融合;PLIP模型;Curvelet變換;子帶選擇方案中圖分類號：TP391.41 文獻(xiàn)標(biāo)識碼：A 文章編號：1003-5168（2021）23-0033-03Abstract： Both MRA and MRI image have different features.This paper uses the differ
河南科技 2021年23期2021-01-11
- 無人機(jī)多源偵察圖像融合方法分析
及現(xiàn)階段對于圖像融合應(yīng)用的需求，本文圍繞著圖像融合技術(shù)在無人機(jī)領(lǐng)域中的應(yīng)用做出探索，對無人機(jī)多源偵察圖像融合的目的和原則進(jìn)行了詳細(xì)的概括，同時(shí)闡明了無人機(jī)多源偵察圖像融合方法，圖像預(yù)處理算法、圖像融合算法和輸出算法，以及圖像融合的三種層次，像素級、特征級和決策級三種層次。關(guān)鍵詞：圖像融合;無人機(jī);光譜圖引言：隨著信息技術(shù)、生物技術(shù)、新能源技術(shù)、互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展，我國的空中裝備也要緊跟時(shí)代潮流有所進(jìn)步。無人機(jī)的偵察圖像融合技術(shù)在目前已經(jīng)廣泛應(yīng)用到了無人機(jī)
裝備維修技術(shù) 2020年11期2020-11-20
- 一種基于SURF特征與拼接縫的機(jī)場全景監(jiān)視圖生成方法
;圖像配準(zhǔn);圖像融合中圖分類號：TP311 ? ? ?文獻(xiàn)標(biāo)識碼：A文章編號：1009-3044（2020）25-0197-03開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：貴陽龍洞堡國際機(jī)場自T2航站樓建成以后，原有塔臺位置已無法完整對全機(jī)場航班?？课恢眠M(jìn)行監(jiān)控，為解決管制員對停機(jī)位、航空器信息的可視化管理，貴州空管分局構(gòu)建了基于全景圖像拼接的全景監(jiān)控系統(tǒng)，實(shí)現(xiàn)了管制員對全機(jī)場范圍內(nèi)航空器的監(jiān)視和指揮。在貴陽龍洞堡國際機(jī)場，全景圖像的拼接由B、C子廊間的多個(gè)攝
電腦知識與技術(shù) 2020年25期2020-11-02
- 基于多小波提升格式的圖像融合淺析
提升格式進(jìn)行圖像融合的新方法，此多小波提升格式主要由若干個(gè)單小波變換的提升格式組合而成，其優(yōu)點(diǎn)是不必自己推演提升格式的內(nèi)部結(jié)構(gòu)和參數(shù)，可以根據(jù)實(shí)際需要選用不同的單小波。另外，文章還給出了用D9/7雙正交單小波的提升格式構(gòu)造的多小波變換的實(shí)例，并把這樣構(gòu)造的多小波應(yīng)用于圖像融合，實(shí)驗(yàn)結(jié)果表明，該方法可得到比單小波更好的圖像融合效果。關(guān)鍵詞 圖像融合;提升格式;多小波引言從小波變換的基本原理，我們看到小波基的一個(gè)重要性質(zhì)就是由一個(gè)母函數(shù)的伸縮平移構(gòu)成一個(gè)正交基
科學(xué)與信息化 2020年26期2020-10-09
- 基于小波變換的水下低照度圖像增強(qiáng)算法
直方圖均衡;圖像融合中圖分類號：TP394.41? ? ? ? 文獻(xiàn)標(biāo)識碼：A文章編號：1009-3044（2020）23-0173-03Abstract： Fuzzy for underwater image contrast is low， and other issues put forward a kind of underwater image enhancement algorithm based on wavelet transform. F
電腦知識與技術(shù) 2020年23期2020-09-27
- 面向番茄植株相近色目標(biāo)識別的多波段圖像融合方法
目標(biāo)的多波段圖像融合方法，以凸顯目標(biāo)與背景亮度差異，提高目標(biāo)視覺識別效率。根據(jù)其各自在300～1000 nm范圍的反射光譜特征差異，建立了針對其光譜數(shù)據(jù)分類的Lasso正則化邏輯回歸模型?；谀Ｐ偷南∈杞馓卣?，確定具有較大權(quán)值系數(shù)的450、600和900 nm等3個(gè)波段作為最優(yōu)成像波段，在此基礎(chǔ)上構(gòu)建了溫室番茄植株多波段圖像在線采集系統(tǒng)。結(jié)合最優(yōu)成像波段下相近色目標(biāo)圖像特征分析，提出了基于NSGA-II的多波段圖像加權(quán)融合方法，以增強(qiáng)特定目標(biāo)與近色背景物體
智慧農(nóng)業(yè)（中英文） 2020年2期2020-09-10
- 多模態(tài)醫(yī)學(xué)圖像融合的關(guān)鍵技術(shù)研究
像的融合以及圖像融合的關(guān)鍵技術(shù)正成為人們關(guān)注的焦點(diǎn)。文章介紹了醫(yī)學(xué)圖像融合的關(guān)鍵技術(shù)，包括：醫(yī)學(xué)圖像的分類和特點(diǎn)，圖像融合的基本流程，融合對象的選擇，融合方法的選擇以及融合結(jié)果的評價(jià)等，并對其未來發(fā)展進(jìn)行展望。關(guān)鍵詞：醫(yī)學(xué);圖像融合;融合方法;結(jié)果評價(jià)中圖分類號：TP391 文獻(xiàn)標(biāo)識碼：A 文章編號：1006-8228（2020）07-04-030引言醫(yī)學(xué)圖像按照功能劃分可以分為功能圖像和解剖圖像兩大類。功能圖像主要用來呈現(xiàn)人體的形態(tài)信息，如MRI、CT圖
計(jì)算機(jī)時(shí)代 2020年7期2020-08-06
- 基于紅外與可見光圖像融合的交通標(biāo)志檢測
標(biāo)志檢測; 圖像融合; 目標(biāo)粗定位; 卷積神經(jīng)網(wǎng)絡(luò); 定位結(jié)果分類; 紅外圖像; 可見光圖像中圖分類號： TN911.73?34? ? ? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識碼： A? ? ? ? ? ? ? ? ? ? ? ? 文章編號： 1004?373X（2020）03?0045?05Traffic sign detection based on infrared and visible image fusionLI Shuhan1， XU
現(xiàn)代電子技術(shù) 2020年3期2020-08-04
- 霧塵條件下糧庫圖像去霧算法研究
圖;然后使用圖像融合方法對其進(jìn)行細(xì)化;最后，將估計(jì)的參數(shù)代入大氣散射模型從而反演出清晰圖像。合成和真實(shí)世界的糧庫霧塵圖像的定量和定性實(shí)驗(yàn)結(jié)果表明，該算法對于圖像紋理細(xì)節(jié)以及天空區(qū)域的處理上有較好效果，且魯棒性高，普適性強(qiáng)。關(guān)鍵詞： 糧庫圖像; 圖像去霧; 四叉樹分解; 光值估計(jì); 卷積網(wǎng)絡(luò); 圖像融合中圖分類號： TN911.73?34? ? ? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識碼： A? ? ? ? ? ? ? ? ? ? ? 文章編號：
現(xiàn)代電子技術(shù) 2020年14期2020-07-23
- 基于可見光與近紅外的遙感圖像融合增強(qiáng)技術(shù)概述
強(qiáng)。關(guān)鍵詞 圖像融合;近紅外;圖像金字塔引言圖像的可見度和顏色受呼入霾、霧、煙、雨等各種惡劣天氣的影響很大。由于這些條件導(dǎo)致的散射，導(dǎo)致的額衰減和平滑效果導(dǎo)致對比度和細(xì)節(jié)上的損失。一些研究顯示，通過利用不同傳感器下取得的同一場景的多幅圖像可以增強(qiáng)圖像的可見性。近年來，基于可見光圖像與近紅外圖像（NIR）圖像相結(jié)合的圖像融合增強(qiáng)技術(shù)得到了廣泛的應(yīng)用。數(shù)碼相機(jī)的傳感器可以捕獲到可見光譜（400～700納米）和近紅外光譜（700～1100納米）。近紅外能很好地穿
科學(xué)與信息化 2020年15期2020-07-14
- 兩類基于PCNN的圖像融合算法綜述
神經(jīng)網(wǎng)絡(luò)）的圖像融合算法越來越多樣化。針對用PCNN進(jìn)行圖像融合時(shí)找不到落腳點(diǎn)的問題，提出了兩類常用的融合算法，分別是基于PCNN與多尺度變換相結(jié)合、減少PCNN計(jì)算復(fù)雜度的融合算法。文章對這兩類算法進(jìn)行了分析與總結(jié)，列舉了這兩類方法可以改進(jìn)的具體方向，為接下來的創(chuàng)新工作指明了方向，并對未來的研究方向進(jìn)行了展望。關(guān)鍵詞： 脈沖耦合神經(jīng)網(wǎng)絡(luò); 圖像融合; 多尺度變換; 計(jì)算復(fù)雜度中圖分類號：TP391? ? ? ? ? 文獻(xiàn)標(biāo)識碼：A? ? ?文章編號：10
計(jì)算機(jī)時(shí)代 2020年6期2020-06-30
- 圖像壓縮感知融合技術(shù)探究
要：該文結(jié)合圖像融合技術(shù)和壓縮感知理論，通過對壓縮感知理論和非下采樣contourlet變換的研究，將其應(yīng)用在圖像信息融合領(lǐng)域，提出了一個(gè)有創(chuàng)新性的圖像融合新算法，并改進(jìn)現(xiàn)有的圖像壓縮感知重構(gòu)算法，在相同的信息源下，取得更好的重構(gòu)圖像質(zhì)量。關(guān)鍵詞：小波變換;圖像融合;壓縮感知中圖分類號：TP391? ? ? 文獻(xiàn)標(biāo)識碼：A文章編號：1009-3044（2020）35-0202-02開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：1 背景近些年來，例如金字塔融合、離
電腦知識與技術(shù) 2020年35期2020-06-07
- 基于虛擬現(xiàn)實(shí)技術(shù)的全景泊車系統(tǒng)及其擴(kuò)展應(yīng)用
;虛擬圖像;圖像融合;攝像頭中圖分類號：U471.2 文獻(xiàn)標(biāo)識碼：A 文章編號：1005-2550（2020）02-0002-08文翊畢業(yè)于武漢大學(xué)，電氣工程與自動(dòng)化專業(yè)，獲得華中科技大學(xué)工商管理雙學(xué)位;現(xiàn)就職于東風(fēng)汽車集團(tuán)有限公司技術(shù)中心，主要從事ADAS系統(tǒng)研發(fā)與推進(jìn)，統(tǒng)籌電動(dòng)車項(xiàng)目ADAS項(xiàng)目的推進(jìn)等工作，曾參與L3級高等級智能駕駛項(xiàng)目。1序言虛擬和真實(shí)，我們在兩個(gè)世界中徘徊和探索，汽車的世界中虛擬和真實(shí)同時(shí)出現(xiàn)，我們用虛擬技術(shù)去還原一個(gè)最真實(shí)的世界
汽車科技 2020年2期2020-05-15
- 多傳感器圖像融合技術(shù)的應(yīng)用及發(fā)展趨勢
要：多傳感器圖像融合技術(shù)是將多個(gè)傳感器在相同時(shí)間下所取得的有關(guān)某個(gè)實(shí)際場景的圖像或者相應(yīng)的序列信息進(jìn)行綜合，形成一個(gè)全新的有關(guān)該場景的闡述，而這個(gè)闡述無法利用單一傳感器來獲取。通過將多個(gè)傳感器所獲取的圖像信息進(jìn)行融合，可有效彌補(bǔ)單一傳感器圖像存在的缺陷，增強(qiáng)圖像的質(zhì)量，有助于對事件及物理現(xiàn)象進(jìn)行精確的識別、定位和闡述。由于圖像信號過于復(fù)雜與特殊，多傳感器圖像融合技術(shù)并未取得廣泛應(yīng)用，且尚未構(gòu)建起統(tǒng)一的理論系統(tǒng)，有待深入研究。關(guān)鍵詞：圖像融合 ?傳感器 ?質(zhì)
科技資訊 2020年8期2020-05-12
- 分布式壓縮感知理論研究綜述及應(yīng)用
感知在視頻、圖像融合和無線傳感器網(wǎng)絡(luò)的應(yīng)用進(jìn)行分析。關(guān)鍵詞：分布式壓縮感知;聯(lián)合稀疏模型;視頻信號;圖像融合;無線傳感器網(wǎng)絡(luò)中圖分類號：TN911.72文獻(xiàn)標(biāo)識碼：A文章編號：1009-3044（2020）04-0267-03收稿日期：2019-11-21基金項(xiàng)目：北京市自然科學(xué)基金（4172021）作者簡介：楊萌（1994—），女，北京人，碩士研究生在讀，研究方向?yàn)閴嚎s感知.神經(jīng)網(wǎng)絡(luò)預(yù)測、強(qiáng)化學(xué)習(xí);姚彥鑫（1982—），河北人，副教授，博士，研究方向?yàn)闊o
電腦知識與技術(shù) 2020年4期2020-04-14
- 獨(dú)立成分分析的多光譜圖像融合算法
分析的多光譜圖像融合算法，將多光譜圖像的RGB 3個(gè)波段和近紅外圖像共4個(gè)波段進(jìn)行獨(dú)立成分分析變化，并對其做加權(quán)平均得到主圖像信息，將主圖像信息與全色圖像加權(quán)求平均得到一副新的圖像，然后將這幅圖像還原到4個(gè)波段得到融合后的結(jié)果圖像。關(guān)鍵詞：圖像融合;近紅外;加權(quán)平均科學(xué)技術(shù)的發(fā)展，遙感圖像、多光譜和高光譜圖像在生活中已不可或缺[1]，但其多光譜圖像光譜分辨率高，可是空間性較差。為解決這一問題，本文將其光譜分辨率低但空間信息高的全色圖像進(jìn)行融合，使融合后的結(jié)
無線互聯(lián)科技 2020年3期2020-04-09
- 無人機(jī)巡檢圖像采集融合系統(tǒng)研究
無人機(jī)巡檢;圖像融合;紅外圖像;可見光圖像隨著長距離、大跨度、高海拔的架空高壓電網(wǎng)建設(shè)，使得傳統(tǒng)線路巡檢方法難以滿足發(fā)展的需要。利用無人機(jī)對架空輸電線路進(jìn)行巡檢作業(yè)，具有效率高、成本低、效果好等優(yōu)點(diǎn)。然而現(xiàn)有無人機(jī)巡檢系統(tǒng)功能單一，不能同時(shí)采集針對鳥害、破損巡檢可見光圖像采集和針對設(shè)備異常發(fā)熱的紅外熱圖像，采集后的圖像不能實(shí)時(shí)傳輸給工控機(jī)進(jìn)行破損、故障分析，大大限制了無人機(jī)對架空輸電線路巡檢的應(yīng)用范圍。鑒于現(xiàn)有技術(shù)的上述缺陷，本文設(shè)計(jì)一種基于RK3399的
科技風(fēng) 2020年8期2020-03-23
- 基于圖像融合的深度圖像修復(fù)算法
提出一種基于圖像融合的深度圖像修復(fù)算法。采用改進(jìn)分水嶺算法提取彩色圖像中的邊緣信息，基于KD樹近鄰算法依據(jù)深度圖像的梯度信息提取分類信息，將彩色圖像的邊緣信息與深度圖像像素點(diǎn)的分類信息相結(jié)合，得到精確地圖像分類結(jié)果，再對融合后的每一類進(jìn)行最小二乘法算法擬合空洞，修復(fù)深度圖像中出現(xiàn)的大面積空洞問題。實(shí)驗(yàn)結(jié)果表明，該方法在對物體邊緣處小面積空洞進(jìn)行較為準(zhǔn)確地修復(fù)的同時(shí)，能夠?qū)ι疃葓D像中存在的大面積空洞問題進(jìn)行有效修復(fù)。關(guān)鍵詞： 深度圖像修復(fù); 圖像融合; 提取
現(xiàn)代電子技術(shù) 2020年2期2020-03-04
- 基于特征點(diǎn)匹配的圖像配準(zhǔn)與融合算法
SAC算法;圖像融合中圖分類號： TP18 ? ? ? ?文獻(xiàn)標(biāo)識碼：A文章編號：1009-3044（2020）34-0198-02在圖像處理領(lǐng)域，將不同視角下的多重圖像重建為全方位目標(biāo)像是一個(gè)重要研究內(nèi)容，要對不同目標(biāo)像依次進(jìn)行配準(zhǔn)、融合，以最大限度保留原場景完整性，獲得全視野圖像。圖像重建[1]技術(shù)對多種行業(yè)發(fā)展起到重要作用，對圖像拼接融合技術(shù)研究具有應(yīng)用價(jià)值。本文主要研究在拼接過程中的圖像配準(zhǔn)的算法以及圖像拼接和融合的算法，主要應(yīng)用尺度不變特征轉(zhuǎn)換S
電腦知識與技術(shù) 2020年34期2020-01-26
- 基于相位相關(guān)法與改進(jìn)SURF算法的圖像拼接方法
征點(diǎn)匹配; 圖像融合; 多波段融合0 引言圖像拼接技術(shù)是對取自不同時(shí)間、不同視角或不同傳感器的有一定重疊區(qū)域的兩幅或多幅圖像進(jìn)行拼接，從而形成一幅大型、無縫全景圖像的技術(shù)。它因成本價(jià)格低廉、實(shí)現(xiàn)方法簡單、性能質(zhì)量優(yōu)越成為獲取全景圖像的一種常用方法，被廣泛應(yīng)用于宇宙空間探測、醫(yī)學(xué)圖像、視頻檢索、虛擬現(xiàn)實(shí)等多個(gè)領(lǐng)域[1-2]。圖像拼接基本流程包括圖像預(yù)處理、圖像配準(zhǔn)、圖像融合等[3]，其中圖像配準(zhǔn)和融合對拼接速度與效果有主要影響作用。圖像配準(zhǔn)決定拼接成功與否，
軟件導(dǎo)刊 2019年11期2019-12-12
- 核素顯像/放射影像融合技術(shù)在前列腺癌骨轉(zhuǎn)移診斷中的研究進(jìn)展
;放射影像;圖像融合中圖分類號：R737.25?文獻(xiàn)標(biāo)志碼：A?DOI：10.3969/j.issn.1003-1383.2019.10.016當(dāng)前，前列腺癌（PCa）發(fā)病率呈上升趨勢，而前列腺癌進(jìn)展過程中有超過70%發(fā)生骨轉(zhuǎn)移[1]。隨著醫(yī)療器械的不斷更新與醫(yī)療技術(shù)的日益進(jìn)步，腫瘤骨轉(zhuǎn)移診斷也由過去單一的X光診斷，發(fā)展到核磁共振成像（MRI）診斷以及核素顯像診斷，而核素顯像與放射影像又可以進(jìn)一步行功能與解剖圖像融合顯像，使影像技術(shù)交叉融合、優(yōu)勢互補(bǔ)?，F(xiàn)對
右江醫(yī)學(xué) 2019年10期2019-12-09
- 基于拼接縫自適應(yīng)消除和全景圖矯直的快速圖像拼接算法
優(yōu)拼接縫并用圖像融合算法對其自適應(yīng)消除，解決拼接縫色差過渡不均勻問題;最后，針對累積拼接誤差形成全景圖傾斜的現(xiàn)象，利用邊緣檢測算法提出自適應(yīng)擬合四邊形矯直模型，把原始全景圖矯直為一個(gè)全新的全景圖。所提算法與分塊圖像拼接和二叉樹圖像拼接算法相比，圖像質(zhì)量提升了5.84%～7.83%，拼接時(shí)間僅為原來的50%～70%。實(shí)驗(yàn)結(jié)果表明，該算法不僅通過自適應(yīng)更新機(jī)制減少不同圖像背景下拼接縫色差過渡不均勻的現(xiàn)象，從而提高了圖像質(zhì)量;而且提高了拼接效率，降低了全景圖傾斜
計(jì)算機(jī)應(yīng)用 2019年10期2019-11-15
- 基于TV-L1結(jié)構(gòu)紋理分解的圖像融合質(zhì)量評價(jià)算法
摘 要：為對圖像融合算法進(jìn)行客觀準(zhǔn)確的綜合評價(jià)，提出一種基于總變差正則化（TV-L1）結(jié)構(gòu)紋理分解的評價(jià)算法。根據(jù)對人類視覺系統(tǒng)的研究，可知人們對圖像質(zhì)量的感知主要來自圖像底層視覺特征，而結(jié)構(gòu)特征以及紋理特征是最重要的圖像底層視覺特征，但目前的圖像融合質(zhì)量評價(jià)算法并沒有利用這兩種特征來進(jìn)行評價(jià)。鑒于此，將圖像進(jìn)行二級結(jié)構(gòu)和紋理分解，根據(jù)結(jié)構(gòu)和紋理圖像蘊(yùn)含圖像特征的不同，從結(jié)構(gòu)圖像和紋理圖像兩方面分別進(jìn)行相似度評價(jià)，綜合各級得分得到最終的評價(jià)總得分。然后基于
計(jì)算機(jī)應(yīng)用 2019年9期2019-10-31
- 云平臺網(wǎng)絡(luò)多重紋理圖像匹配融合方法研究
圖像匹配; 圖像融合; 融合方法中圖分類號： TN911.73?34; TP391.41 ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識碼： A ? ? ? ? ? ? ? ?文章編號： 1004?373X（2019）19?0059?05Abstract： The traditional image matching and fusion methods are prone to error matching when matching of multi?tex
現(xiàn)代電子技術(shù) 2019年19期2019-10-14
- 基于圖像融合的輸電線路覆冰邊緣檢測
出了一種基于圖像融合技術(shù)的方法對輸電線路覆冰狀態(tài)進(jìn)行判定。對輸電線路進(jìn)行邊緣檢測是通過圖像預(yù)處理、Canny算子的邊緣檢測、形態(tài)學(xué)邊緣檢測以及像素級圖像融合等方法實(shí)現(xiàn)的。實(shí)驗(yàn)仿真表明：融合后的圖像邊緣能夠取各自的優(yōu)勢，使邊緣檢測效果更好。關(guān)鍵詞： 邊緣檢測;形態(tài)學(xué);Canny算子;圖像融合;輸電線路中圖分類號： TP391.41 ? ?文獻(xiàn)標(biāo)識碼： A ? ?DOI：10.3969/j.issn.1003-6970.2019.08.045本文著錄格式：周敏
軟件 2019年8期2019-10-08
- 基于Retinex理論的多曝光圖像融合算法
要：多曝光圖像融合技術(shù)是將一組場景相同但曝光程度不同的圖像序列直接融合成為一幅含有更多場景細(xì)節(jié)信息的高質(zhì)量圖像。針對現(xiàn)有算法局部對比度差和色彩失真的問題，結(jié)合Retinex理論模型提出了一種新的多曝光圖像融合算法。首先，基于Retinex理論模型，利用光照估計(jì)算法將曝光序列圖像分為入射光分量序列和反射光分量序列，然后分別采用不同的融合方法對這兩組序列進(jìn)行處理。對于入射光分量，要保證場景的全局亮度的變化特性并且削弱過曝光和欠曝光區(qū)域的影響;而對于反射光分量
計(jì)算機(jī)應(yīng)用 2019年7期2019-09-04
- 基于小波變換的像素級圖像融合實(shí)例研究
：迄今為止，圖像融合一直是圖像領(lǐng)域的專家們研究的一個(gè)熱點(diǎn)方向。研究圖像融合在軍事安全領(lǐng)域非常重要。而小波變換是傅立葉變換的升級版，具有實(shí)時(shí)多分辨率的特性，這也為圖像融合帶來新的機(jī)遇。但是現(xiàn)有的實(shí)例研究材料還是很缺乏。該文結(jié)合了兩個(gè)不同角度的實(shí)例來研究小波變換的像素級圖像融合。運(yùn)用matlab語言作為程序?qū)崿F(xiàn)的主體語言，實(shí)現(xiàn)小波分解、圖像融合、小波重構(gòu)等功能。并結(jié)合Opencv3語言對原始圖片進(jìn)行預(yù)處理，得到實(shí)例所需的圖片。通過兩個(gè)實(shí)例結(jié)果表明了小波變換確實(shí)
電腦知識與技術(shù) 2019年17期2019-08-10
- 一種多聚焦圖像融合的拉普拉斯金字塔方法
聚焦圖像; 圖像融合; 拉普拉斯金字塔; 熵中圖分類號：TP391? ? ? ? ? 文獻(xiàn)標(biāo)志碼：A? ? ?文章編號：1006-8228（2019）04-18-03Abstract： Machine vision is the basis of robot navigation. Binocular stereoscopic imaging is a common method of machine vision. In binocular stereo
計(jì)算機(jī)時(shí)代 2019年4期2019-07-08
- 基于單層小波變換的圖像融合壓縮感知研究
感知相結(jié)合的圖像融合新方法，僅通過測量圖像的高頻小波系數(shù)且保留了低頻小波系數(shù)，利用不同的方案對低頻小波系數(shù)和高頻小波系數(shù)的測量進(jìn)行融合。結(jié)合總變分（TV）最小化算法和融合測量來恢復(fù)高頻小波系數(shù)，運(yùn)用逆小波變換對融合圖像進(jìn)行重建。實(shí)驗(yàn)表明，該方法具有良好的融合性能和較低的計(jì)算復(fù)雜度。關(guān)鍵詞：圖像融合;壓縮感知;單層小波變換中圖分類號：TP751.1 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識碼：AResea
計(jì)算技術(shù)與自動(dòng)化 2019年2期2019-07-05
- 基于多尺度幾何分析方法的CT與MRI醫(yī)學(xué)圖像融合算法
詞】多尺度;圖像融合;小波分析;傅里葉變換中圖分類號： O29文獻(xiàn)標(biāo)識碼： A文章編號： 2095-2457（2019）07-0213-003DOI：10.19694/j.cnki.issn2095-2457.2019.07.087【Abstract】Firstly，the basic concepts of multi-resolution analysis and two-scale function are given，and the related
科技視界 2019年7期2019-05-13
- 基于CSR-MCA的圖像融合方法
要：為了解決圖像融合過程中圖像信息重影失真的缺點(diǎn)，提出了基于卷積稀疏表示（convolutional sparse representation.CSR）和形態(tài)成分分析（morphological component analysis.MCA）的圖像融合方法。利用卷積稀疏表示的優(yōu)越性對形態(tài)成分分析模型進(jìn)行改進(jìn)，形成CSR—MCA的新型模型，可以同時(shí)實(shí)現(xiàn)源圖像的多組件和全局稀疏表示。使用預(yù)學(xué)習(xí)的CSR-MCA模型得到源圖像的平滑和細(xì)節(jié)成分的稀疏表示，然后使用
智能計(jì)算機(jī)與應(yīng)用 2019年6期2019-03-11
- 圖像融合在現(xiàn)代放療技術(shù)中的應(yīng)用進(jìn)展
的需要。醫(yī)學(xué)圖像融合技術(shù)特別是定位CT融合磁共振圖像、定位CT融合PET/CT圖像的發(fā)展促進(jìn)了精準(zhǔn)放射治療的發(fā)展，而定位CT和MRI彌散加權(quán)序列融合，因其功能影像的優(yōu)點(diǎn)以及價(jià)格低廉，易于推廣，有望為現(xiàn)代放射治療提供新的研究視角。本文綜述圖像融合在現(xiàn)代放療技術(shù)中的應(yīng)用進(jìn)展及不同醫(yī)學(xué)影像融合技術(shù)在放射治療中的作用。關(guān)鍵詞：放射治療;圖像融合;功能影像中圖分類號：R730.55;R738.1? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識碼：A?
醫(yī)學(xué)信息 2019年23期2019-01-06
- 肝包蟲病和肝囊腫CT圖像的分型研究
預(yù)處理方法和圖像融合方法，提取原始ROI、預(yù)處理后的和融合后的ROI圖像Haar小波、DB2小波、Tamura、Gabor濾波器和灰度-梯度共生矩陣特征，通過支持向量機(jī)和BP神經(jīng)網(wǎng)絡(luò)分類模型分類，比較三種方法的分類準(zhǔn)確率，并對各分類模型進(jìn)行參數(shù)評估。結(jié)果 從原始ROI圖像直接提取的Haar小波、DB2小波、Tamura和GGCM特征的最佳分類準(zhǔn)確率均達(dá)到了95%以上；融合后的ROI圖像五種特征的分類準(zhǔn)確率都較高，在90%以上。結(jié)論 本研究所使用的方法應(yīng)用于
醫(yī)學(xué)信息 2018年23期2018-12-25
- 龍門吊的360°環(huán)視影像
像匹配技術(shù)與圖像融合技術(shù)，拼接出車身周圍的全景俯視圖，用以消除駕駛者的視野盲區(qū)，保障了駕駛過程的安全性及可靠性。關(guān)鍵詞：龍門吊；環(huán)視影像；輔助駕駛系統(tǒng)；圖像匹配；圖像融合；1引言龍門吊是一種碼頭上常用的工程車輛，主要用于集裝箱、貨物的搬運(yùn)。在實(shí)際作業(yè)中，由于工作環(huán)境復(fù)雜，車身龐大，駕駛員在行駛或作業(yè)過程中只能依靠后視鏡等設(shè)備肉眼觀察，導(dǎo)致視覺盲區(qū)的存在，因此機(jī)械設(shè)備和操作人員的安全難以得到保障。由于龍門吊的自身體積和重量大，一旦發(fā)生事故，往往產(chǎn)生嚴(yán)重的后果
科學(xué)與財(cái)富 2018年24期2018-08-24
- 非下采樣離散小波變換多聚焦圖像融合
飛越摘 要：圖像融合在軍事、醫(yī)療等領(lǐng)域有廣泛的應(yīng)用，圖像融合技術(shù)是指采用特定的算法將兩幅或者多幅圖像融合成為一幅新的圖像。針對離散小波變換圖像融合算法中下采樣環(huán)節(jié)在每次濾波后一半的系數(shù)被丟棄導(dǎo)致缺乏平移不變性，使得融合算法易受到源圖像誤配準(zhǔn)影響的問題，提出了一種基于非下采樣離散小波變換的圖像融合算法，采用窗口融合規(guī)則，并對融合系數(shù)進(jìn)行一致性檢測，彌補(bǔ)下采樣環(huán)節(jié)的不足，提高融合效果。通過對基于離散小波變換和基于非下采樣離散小波算法的圖像多聚焦融合仿真研究表明
哈爾濱理工大學(xué)學(xué)報(bào) 2018年2期2018-06-01
- 基于SIFT算法的水下圖像拼接技術(shù)研究
的圖像配準(zhǔn)作圖像融合。實(shí)驗(yàn)結(jié)果表明，該方法有效實(shí)現(xiàn)了水下圖像的拼接。關(guān)鍵詞：SIFT算法；圖像拼接；圖像配準(zhǔn)；圖像融合中圖分類號：TP391 文獻(xiàn)標(biāo)識碼：A 文章編號：2095-1302（2018）04-00-030 引 言近年來，圖像拼接技術(shù)已成為圖像處理領(lǐng)域的熱門研究課題之一。圖像拼接技術(shù)是將具有重疊區(qū)域的一系列圖像拼接為一幅具有較寬視角圖像的技術(shù)，這種技術(shù)將兩幅圖像進(jìn)行同一場景匹配，找出最終匹配的對應(yīng)關(guān)系，從而獲得寬闊的視角圖像[1-3]。該技術(shù)克服
物聯(lián)網(wǎng)技術(shù) 2018年4期2018-05-15
- 基于Candide-3算法的圖像中面部替換技術(shù)
彩，然后利用圖像融合算法進(jìn)行融合。實(shí)驗(yàn)結(jié)果表明，本文的方法能夠在圖像和視頻中進(jìn)行有效的進(jìn)行人臉替換。關(guān)鍵詞：圖像處理;人臉替換;面部特征點(diǎn)檢測;人臉建模;圖像融合中圖分類號：TP317.4文獻(xiàn)標(biāo)識碼：A0 引言人臉替換技術(shù)研究的是如何使用計(jì)算機(jī)或手機(jī)快速的將一張圖像或視頻中的人臉（目標(biāo)人臉）替換成另一張圖像或視頻的人臉區(qū)域（源人臉）[1]。替換的基本需求是使替換后的圖像或視頻具有逼真自然的視覺效果，其次是表情轉(zhuǎn)移，目標(biāo)人臉的表情轉(zhuǎn)移使得換臉效果更具有應(yīng)用意
計(jì)算技術(shù)與自動(dòng)化 2018年2期2018-04-13
- 基于小波變換的圖像融合算法研究
為摘 要： 圖像融合是改善圖像質(zhì)量的一個(gè)重要途徑，傳統(tǒng)算法難以正確地對圖像進(jìn)行有效融合。為了提高圖像融合的質(zhì)量，提出一種基于小波變換的圖像融合算法。首先對2幅原始圖像進(jìn)行小波變換，提取它們的小波系數(shù)，然后采用不同的規(guī)則對不同層次的小波系數(shù)進(jìn)行融合，并采用小波變換對融合的系數(shù)進(jìn)行融合，最后采用不同類型對圖像融合結(jié)果進(jìn)行測試和分析。結(jié)果表明，小波變換融合后的圖像更加自然、清晰，提高了圖像的信噪比，并且圖像融合速度明顯加快，獲得了比對比算法更加理想的圖像融合效果
現(xiàn)代電子技術(shù) 2018年7期2018-04-04