隨著計(jì)算機(jī)科學(xué)、集成電路系統(tǒng)以及傳感器技術(shù)的迅猛發(fā)展,圖像的獲取方式不再局限于單一的傳感器。如今,面對(duì)圖像類型的多元化和數(shù)據(jù)的復(fù)雜化,單一模態(tài)圖像已經(jīng)不能滿足現(xiàn)代復(fù)雜應(yīng)用的需求,所以圖像融合技術(shù)應(yīng)運(yùn)而生。圖像融合技術(shù)將不同傳感器所捕獲的不同模態(tài)圖像進(jìn)行針對(duì)性互補(bǔ),構(gòu)建信息量豐富且可靠的融合圖像從而實(shí)現(xiàn)對(duì)某一場(chǎng)景或者目標(biāo)更加全面的描述與表達(dá),便于后續(xù)的圖像處理或者決策任務(wù)。其核心思想是在不引入任何人為干擾的前提下,對(duì)數(shù)據(jù)進(jìn)行優(yōu)化處理,最大程度提取并且保留有效的信息。多模態(tài)圖像融合技術(shù)在軍事偵察、視頻監(jiān)控、遙感、醫(yī)學(xué)圖像分析等領(lǐng)域具有較高的應(yīng)用價(jià)值。本文主要針對(duì)紅外與可見光圖像和多模態(tài)醫(yī)學(xué)圖像融合中所涉及的關(guān)鍵問題進(jìn)行了深入的研究,對(duì)人工神經(jīng)網(wǎng)絡(luò)在圖像融合中的應(yīng)用實(shí)現(xiàn)了進(jìn)一步探索。本文的主要貢獻(xiàn)如下:1.在基于優(yōu)化神經(jīng)網(wǎng)絡(luò)的紅外與可見光圖像融合方法中,針對(duì)傳統(tǒng)脈沖耦合神經(jīng)網(wǎng)絡(luò)模型參數(shù)復(fù)雜、缺乏自適應(yīng)性等問題,結(jié)合蜂群優(yōu)化算法和脈沖發(fā)放皮層模型,提出一種基于優(yōu)化神經(jīng)網(wǎng)絡(luò)的紅外與可見光圖像融合算法。首先采用非下采樣剪切波變換實(shí)現(xiàn)對(duì)源圖像進(jìn)行分解從而獲取低頻分解系數(shù)和一系列高頻分解系數(shù);然后脈沖... 

【文章來源】：云南大學(xué)云南省 211工程院校

【文章頁數(shù)】：89 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１．１多模態(tài)圖像融合示意圖：（ａ）和（ｂ）均為源圖像；（ｃ）為融合圖像??１．２圖像融合技術(shù)的研究現(xiàn)狀??

對(duì)應(yīng)于信息融合理論中的信息抽象程度和實(shí)際應(yīng)用場(chǎng)景，圖像融合技術(shù)可以由??低到高的分為像素級(jí)、特征級(jí)和決策級(jí)３個(gè)漸進(jìn)的層次。不同融合層次的關(guān)系結(jié)??構(gòu)示意圖如圖１．２所示。??圖像１?特征提�。�？特征１?一Ｈ特征表達(dá)｜——？結(jié)論１??？決策??？?？?■??■?■?？??■?■?？??圖像Ｎ?－］—｜特征提�。保�？特征Ｎ?ｎ—｜特征表達(dá)１——？結(jié)論Ｎ?？決策??［］?｜特征＆融合１?１決策＾融合１??特征提取???特坪表達(dá)????最終決策???圖１．２不同圖像融合層次示意圖??（１）

對(duì)應(yīng)于信息融合理論中的信息抽象程度和實(shí)際應(yīng)用場(chǎng)景，圖像融合技術(shù)可以由??低到高的分為像素級(jí)、特征級(jí)和決策級(jí)３個(gè)漸進(jìn)的層次。不同融合層次的關(guān)系結(jié)??構(gòu)示意圖如圖１．２所示。??圖像１?特征提�。�？特征１?一Ｈ特征表達(dá)｜——？結(jié)論１??？決策??？?？?■??■?■?？??■?■?？??圖像Ｎ?－］—｜特征提�。保�？特征Ｎ?ｎ—｜特征表達(dá)１——？結(jié)論Ｎ?？決策??［］?｜特征＆融合１?１決策＾融合１??特征提取???特坪表達(dá)????最終決策???圖１．２不同圖像融合層次示意圖??（１）

【參考文獻(xiàn)】：
期刊論文
[1]結(jié)合NSST與優(yōu)化脈沖發(fā)放皮層模型的紅外與可見光圖像融合[J]. 侯瑞超,周冬明,聶仁燦,劉棟.  計(jì)算機(jī)應(yīng)用. 2018(S1)
[2]結(jié)合視覺顯著性與Dual-PCNN的紅外與可見光圖像融合[J]. 侯瑞超,周冬明,聶仁燦,劉棟,郭曉鵬.  計(jì)算機(jī)科學(xué). 2018(S1)
[3]結(jié)合NSST與GA參數(shù)優(yōu)化PCNN圖像融合[J]. 劉棟,聶仁燦,周冬明,侯瑞超,熊磊.  計(jì)算機(jī)工程與應(yīng)用. 2018(19)
[4]基于視覺顯著性和NSCT的紅外與可見光圖像融合[J]. 傅志中,王雪,李曉峰,徐進(jìn).  電子科技大學(xué)學(xué)報(bào). 2017(02)
[5]多目標(biāo)粒子群優(yōu)化PCNN參數(shù)的圖像融合算法[J]. 王佺,聶仁燦,周冬明,金鑫,賀康建,余介夫.  中國(guó)圖象圖形學(xué)報(bào). 2016(10)
[6]彩色融合圖像的質(zhì)量主觀評(píng)價(jià)[J]. 金偉其,賈曉婷,高紹姝,馬國(guó)利,潘定平,劉佳妮.  光學(xué)精密工程. 2015(12)

博士論文
[1]像素級(jí)多源圖像融合方法研究[D]. 劉羽.中國(guó)科學(xué)技術(shù)大學(xué) 2016
[2]紅外與可見光圖像融合算法研究[D]. 周渝人.中國(guó)科學(xué)院研究生院(長(zhǎng)春光學(xué)精密機(jī)械與物理研究所) 2014

碩士論文
[1]紅外與可見光圖像融合中的關(guān)鍵技術(shù)研究[D]. 王雪.電子科技大學(xué) 2016
[2]手持式紅外與可見光圖像融合系統(tǒng)研究[D]. 韓博.南京理工大學(xué) 2014



本文編號(hào)：3575355