共查询到19条相似文献,搜索用时 109 毫秒
1.
图像融合评价方法的研究 总被引:1,自引:0,他引:1
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... 相似文献
2.
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. 相似文献
3.
4.
6.
7.
8.
图像融合技术及评价方法 总被引:1,自引:1,他引:0
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. 相似文献
9.
10.
11.
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。 相似文献
12.
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. 相似文献
13.
14.
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。 相似文献
15.
基于模糊神经网络的欺骗性干扰效果评估 总被引:1,自引:0,他引:1
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。 相似文献
16.
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。 相似文献
17.
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. 相似文献
18.