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...     

基于显著计算与变分法的多尺度图像融合

在多尺度图像融合中,通常将图像进行多尺度变换,再对变换后的低频系数与高频系数采用一定的融合规则进行融合,然而融合规则的选择将影响图像的清晰度与融合质量.将视觉显著模型与变分法理论应用在多尺度图像的低频系数融合中,获取最优的融合系数组合,从而增强融合效果,通过对红外线与可见光图像、医学图像的融合实验表明,该方法能克服融合图像对比度偏低的缺陷,获取的图像能较好地保留源图像的显著目标信息,如形状、大小、色调、纹理等,特别是针对异源亮度差异较大的图像.在主观视觉感受与客观评价指标上都有所提升.     

基于改进模糊神经网络的输电线缆制造质量预测方法

针对输电线缆制造质量预测问题,采用制造工艺关键指标数据基于改进模糊神经网络对制造质量合格率进行预测。首先通过引入模糊化层和模糊规则计算层建立模糊神经网络的结构,采用高斯函数建立模糊化层的隶属度函数,构建了隶属度函数均值和宽度的训练过程;接着基于帝国竞争算法对模糊神经网络中的隶属度函数学子因子和后件网络权重学习因子进行优化,优化目标为最小化神经网络收敛误差;采用改进模糊神经网络设计输电线缆制造质量预测流程。最后通过一个仿真算例验证了所建立的模型相比于传统神经网络以及基本模糊神经网络在输电线缆制造质量合格率的预测效果上更优,验证了所建立模型的有效性。     

基于深度引导与自学习的高动态成像算法

多曝光图像融合是将同一场景不同曝光度的图像进行融合,是当前高动态场景成像的主流方法。为了获得更自然的融合效果,该文提出基于深度引导与自学习的多曝光图像融合网络(MEF-Net)。该网络是以端到端的方式融合任意数量的不同曝光度图像,无监督地输出最优的融合结果。在损失函数方面,通过引入强度保真约束项和加权的多曝光图像融合结构相似度(MEF-SSIM),提升融合效果。此外,针对两幅极度曝光情况下的图像融合,该文采用自学习的方式,基于预训练的模型进行参数微调与优化,减弱光晕现象。基于大量测试数据,实验结果表明,该文所提算法在定量指标和视觉融合效果方面均优于现有主流算法。     

多层次特征融合低照度图像增强算法

针对成像设备在夜间等低照度环境下采集的图像存在细节丢失、动态范围较窄和大量噪声等特点，导致采集图像清晰度低、可用性不高和识别性较差等问题，提出了一种多层次特征融合(Multi-level Feature Fusion, MFF-Net)算法。该算法利用多尺度采样构建U型网络，并引入多种注意力机制多线程处理图像流，各支路特征向量跨通道交互，协同渐进式抑制冗余信息。高效运用特征融合模块强化对低尺度纹理细节和多层次特征的感知。设计了由峰值信噪比(Peak Signal to Noise Ratio, PSNR)和结构相似性(Structural Similarity, SSIM)指标构成的损失函数，有目的地引导网络由浅到深地学习图像之间的映射关系，从而加快模型收敛速度，助力提高模型性能和图像增强。所提算法在LOL数据集Low-Light Dataset上进行了相关实验和测试。其PSNR、SSIM和学习感知图像块相似度(Learned Perceptual Image Patch Similarity, LPIPS)等6种客观评价指标上整体优于大部分先进算法。实验结果表明，所构建的模型能有效抑...     

基于多尺度变换的PCNN和FOA图像融合

为解决传统的图像融合算法融合质量不高的问题, 提出一种采用果蝇优化算法(FOA) 自适应地选取脉冲耦合神经网络(PCNN)的4个参数并将其与多尺度变换相 结合的图像融合方法。首先利用4种多尺度变换对待融合图像进行分解,对得到 的低频分量采用 PCNN和FOA的融合规则进行处理,对高频分量采用绝对值最大的原则进行系数选择,最后 通过逆变换 得到融合后的图像。实验结果表明,与常用的融合规则对比,在 主观效果上,本文融合规则能够更有效地保留源图像中的细节信息,提高融合图像的质量; 在客观指标上, 本文方法的融合图像在互信息(MI)、边缘保持度QAB /F、熵(entropy)、平均结构相似度(MSSIM)以及标准差(SD )等客观评价指标上更为优越。     

结合信息感知与多尺度特征的红外与可见光图像融合

现有的基于深度学习图像融合算法无法同时满足融合效果与运算效率,且在建模过程中大部分采用基于单一尺度的融合策略,无法很好地提取源图像中上下文信息。为此本文提出了一种基于信息感知与多尺度特征结合的端到端图像融合网络。该网络由编码器、融合策略和解码器组成。具体来说,通过编码器提取红外与可见光图像的多尺度特征,并设计特征增强融合模块来融合多个尺度的不同模态特征,最后设计了一个轻量级的解码器将不同尺度的低级细节与高级语义信息结合起来。此外,利用源图像的信息熵构造一个信息感知损失函数来指导融合网络的训练,从而生成具有丰富信息的融合图像。在TNO、MSRS数据集上对提出的融合框架进行了评估实验。结果表明：与现有的融合方法相比,该网络具有较高计算效率;同时在主观视觉评估和客观指标评价上都优于其它方法。     

径向基函数神经网络的软竞争学习算法

本文构造了径向基函数(RBF)神经网络的一类软竞争学习算法(SCLA).该算法的主要思想是首先在高斯基函数中心向量的训练过程中引入了隶属度函数,对每个输入样本,所有中心向量根据该样本属于其代表的类的隶属度值的大小进行自适应地调整;第二,把隶属度函数的模糊因子的倒数与模拟退火算法中的温度等同起来,在迭代过程中采用递增的方式来调整它.SCLA是RBF网络基于k-均值方法训练中心向量的学习算法的软竞争格式,它可以克服后者对初始值敏感和死节点的问题.仿真实验论证了SCLA是有效的.     

影响输电线路路径选择的因素及其重要性研究——路径选择的方法

结合选线的特点,从经济、技术、环境和社会等方面对影响输电线路路径的因素进行了筛选和归类分析,再根据层次分析法和指标选取的原则,建立了比较完整的综合评价指标体系。由于路径方案的优选具有模糊性和相对性的特点,通过对综合评价方法的比较建立了模糊优选模型。根据各指标的特点,建立了将指标特征值转换为相对隶属度的隶属度函数,用FuzzvAHP法来确定各指标的相对权重,最后采用模糊优选模型进行路径的评价。并通过实例分析,验证了该优选模型的实用性和系统性。主要在标准化隶属度矩阵的产生、权重的确定和方案优属度的计算等方面做了一些工作。     

基于深度学习方法的单张零件图像重建网格模型

重建物体的三维形状是计算机图形学领域的一个研究热点,网格模型是一种常用的三维模型。文中基于深度学习方法提出一种从单幅机械零件图像重建其网格模型的方法。首先经过一个图像预处理过程将前景零件从背景中分离出来;其次基于ResNet和BSP-Net两个骨干网络建立一个新的网络结构,将前景零件图像重构为网格模型。该网络将零件的多个视图图像作为输入,并融合它们的重要特征。此外,加入形状先验损失引导模型的训练过程以优化重建结果。对螺母、螺栓和垫圈进行重建实验,验证了该方法的有效性。通过训练过程的损失函数曲线说明添加多视图特征融合和形状先验损失可以让损失收敛到更低的值。在三个评价指标上的测试表明,文中方法的重建结果优于ResNet+BSP-Net方法和IM-Net方法。     

基于D-S证据理论的网络表示融合方法

随着网络表示学习技术的发展,在网络结构信息的基础上,越来越多的研究者考虑融入额外辅助信息来提升网络表示效果.针对现有网络表示学习方法中对于多属性特征融合缺乏冲突判别与评价指标的问题,本文在已有研究基础上,提出一种基于D-S证据理论的网络表示融合方法.本方法首先通过SVM算法给出不同属性信息对融合表示结果的支持度,然后利用证据组合规则计算网络表示学习中的融合评价指标,并依据混淆矩阵考虑各类别在节点分类中的局部可信度.在3类数据集上的仿真实验表明：本方法对于检测网络表示融合中的冲突,提高表示融合效果具有一定的指导意义.     

A multi-attribute classification fusion system for insulated gate bipolar transistor diagnostics

Effective health diagnosis provides benefits such as improved safety, improved reliability, and reduced costs for the operation and maintenance of complex engineered systems. This paper presents a multi-attribute classification fusion system which leverages the strengths provided by multiple membership classifiers to form a robust classification model for insulated gate bipolar transistor (IGBT) health diagnostics. The developed diagnostic system employs a k-fold cross-validation model for the evaluation of membership classifiers, and develops a multi-attribute classification fusion approach based on a weighted majority voting with dominance scheme. An experimental study of IGBT degradation was first carried out for the identification of failure precursor parameters, and classification techniques (e.g., supervised learning, unsupervised learning, and statistical inference) were then employed as the member algorithms for the development of a robust IGBT classification fusion system. In this study, the developed classification fusion model based on multiple member classification algorithms outperformed each stand-alone method for IGBT health diagnostics by providing better diagnostic accuracy and robustness. The developed multi-attribute classification fusion system provides an effective tool for the continuous monitoring of IGBT health conditions and enables the development of IGBT failure prognostics systems.     

多论域通信信号重要性排序模糊评估

首先给出了评估通信信号重要性的指标体系,然后在时间域、作战域、空间域3个论域采用模糊评估的方法,建立了重要性排序的两级评估模型,并给出了各论域的隶属度函数的求解方法。对两级权值用Delphi方法确定,引入人机交互的学习机制来动态调整两级权值。     

Membership function learning in fuzzy classification

A novel three-layer fuzzy neural network (FNN) is proposed which possesses ihe structure and learning ability of artificial neural networks, and the classification ability of fuzzy algorithms for pattern classification problems. During learning, the proposed FNN learns the membership function of each fuzzy class from training samples and adaptively organizes its hidden layer. The learning and recall times of the FNN are fast. Simulation results are also presented.     

自注意力引导的红外与可见光图像融合算法

为确保源图像中的显著区域在融合图像保持显著,提出了一种自注意力引导的红外与可见光图像融合方法。在特征学习层引入自注意力学习机制获取源图像的特征图和自注意力图,利用自注意力图可以捕获到图像中长距离依赖的特性,设计平均加权融合策略对源图像的特征图进行融合,最后将融合后的特征图进行重构获得融合图像。通过生成对抗网络实现了图像特征编码、自注意力学习、融合规则和融合特征解码的学习。TNO真实数据上的实验表明,学习到注意力单元体现了图像中显著的区域,能够较好地引导融合规则的生成,提出的算法在客观和主观评价上优于当前主流红外与可见光图像融合算法,较好地保留了可见光图像的细节信息和红外图像的红外目标信息。     

分布式检测系统的模糊有序统计融合算法

为提高基于二元局部判决的分布式检测系统的检测性能，研究了基于模糊隶属度函数的分布式检测系统融合算法，提出了模糊有序统计融合准则。通过对肼传感器进行分布式检测系统仿真，结果表明：模糊有序统计融合准则在均匀环境中能获得比基于二元判决准则更好的检测性能，也好于同样采用模糊隶属度函数的求和准则的检测性能，且在多目标环境下获得了较强的适应性。     

模态自适应的红外与可见光图像融合

为解决低照度和烟雾等恶劣环境条件下融合图像目标对比度低、噪声较大的问题,提出一种模态自适应的红外与可见光图像融合方法(mode adaptive fusion,MAFusion).首先,在生成器中将红外图像与可见光图像输入自适应加权模块,通过双流交互学习二者差异,得到两种模态对图像融合任务的不同贡献比重;然后,根据各模...     

Iterative-based visualization-oriented fusion scheme for hyperspectral images

This article investigates a novel visualization-based fusion of hyperspectral image bands using an iterative approach. Given a multi-objective function and the pixel-based hyperspectral image fusion method, the optimization process is described as finding the optimal fusion parameters to improve the fusion performance. Accordingly, an iterative-based approach is adopted. In the first step, the fusion process is developed using the pixel-based fusion technique. In the second step, the fused image is produced, and the fusion quality is assessed for multi-objective function construction. For multi-objective formulation, we focus three desired properties of the fused image such as entropy, variance, and smoothness. In the last step, fusion parameters are updated iteratively by examining the objective function. Here, the self-adaptive learning particle swarm optimizer is used to refine the fusion parameters iteratively. Different hyperspectral images, such as Cuprite mining, AVIRIS Indian pines scene, are employed in the evaluation. Quantitative analysis of fused images is carried out through some efficient fusion metrics such as correlation coefficient, entropy, Q-average, ERGAS, SAM, and SID. Experimental results show that the proposed approach outperforms existing methods in terms of both objective function criteria and visual effect.     

基矛模糊控制的水下潜器沉浮控制方法

针对水下潜器实际工作的需求和水下沉浮运动特征,提出一种基于自适应模糊控制的水下潜器自主沉浮控制方法。该方法从优化隶属函数入手,采用多层前向神经网络的误差反向传播（EBP）算法对它的参数进行在线修正．并采用Delta—Bar—Delta学习规则对学习速率进行在线调整,使EBP算法具有较快的收敛速度,同时避免了局部极小值问题。仿真实验表明,对于水下潜器自主沉浮运动的不能精确建摸、干扰严重的非线性与时变情况,这种自适应模糊控制是一种较好的控制方式。     

Fuzzy Mapping Network Using Hierarchical Genetically Learning Rules

1IntroductionFuzzycontrollersarerecentlydrawingincreasinginterestandfoundvariousapplicationinalloftheareaofartificialintelligence,e.g.[1]--[4j.Itiswellknownthathumanthinkingissomewhatfuzzyorambiguousinnature.Sometimestheproblemsinthereal--worldneedn'ttobeslovedexactlyandtheaccuratesolutionsdon'texist.Thehuman'sbrainisreallyabletodescribethisfuzzinesswithvaguelanguageandbytheassciative,fuzzyinferenceandotherthinkingactivities,transformstheuncertaintysoastomakeareasonableresolutionfortheseproble…