基于图像质量因子的图像融合客观评价方法

针对图像融合技术中的效果评价问题,提出了一种基于图像质量因子的图像融合客观评价方法。该方法利用熵加权和均方根图像融合质量因子对融合图像与源图像间的相关性、亮度失真和对比度失真进行综合评价,因而在不同融合方法和不同源图像的条件下,可获得标准的评估统计量。采用加权平均、拉普拉斯塔形分解及基于小波变换的图像融合法为例,通过对多传感器图像进行融合评价实验,证明了该方法的有效性和鲁棒性。     

一种新的图像融合及性能评价方法

通过重新定义交叉熵,并将其与熵相结合,提出了一种新的评价图像融合性能的目标函数,即综合熵。将取亮度最大值和对两幅图像进行加权平均的两类图像融合方法相结合,对上述目标函数进行迭代寻优,给出了一种新的图像融合算法。对包括红外与可见光图像,雷达与可见光图像,以及不同性能的可见光图像等多组图像进行实验,结果表明图像融合新算法和性能评价指标都是有效的。     

基于理想点的改进AHP综合排序算法

AHP是常用的多目标决策和评价方法,但是文献发现当被评价方案增加或减少时,层次分析法（AHP）不能保持其原有方案的排序结果,因此至今AHP法仍被广大学者所争议.本文研究了AHP中导致排序结果不一致现象的原因,发现当方案数变化时AHP在计算综合排序时,使用的计算数值会导致前后不一致,进而导致排序结果不一致现象的产生.本文提出了一种基于理想点贴近度的AHP综合排序算法可以很好地解决这一问题.AHP综合排序的典型算例证明了新算法的合理性.     

基于模糊TOPSIS-FMEA的飞机IDG风险评价

在传统飞机电源系统失效模式及影响分析(failure mode and effects analysis, FMEA)法中,采用风险评价指标属性值简单相乘的方法计算风险优先数,造成风险评价指标不精确,且主观因素导致属性值发生微小变化,影响最终评价结果。通过在发生度、严重度和探测度这3个风险评价指标中引入模糊逼近理想解排序法(technique for order preference by similarity to an ideal solution, TOPSIS)理论进行风险评价,去模糊化和归一化后构造加权判断矩阵,确定逼近理想解排序法的正负理想解,根据相对贴近度大小对各故障模式进行风险水平排序。与传统失效模式及影响分析法的对比验证了方法的有效性和实用性,可为飞机电源系统其他组件风险水平评价提供有效参考。     

基于样条逼近的评价方法研究

样条逼近是从结构（空间或时间）性数据集合中提取特征的有效方法，本文提出基于样条逼近的评价方法，并进行评价方法应用研究，首先给出可变结点的样条逼近中数据集合点结点位置的选取准则，是使逼近的误差最小；给出数据集合点位置的选取方法及算法。对于上述分划的子区间，使用主成分分析方法对每个子区间进行评价，得到相应子区间的评价值，由于每个子区间的指标数不同，对子区间的评价值进行修正以体现这种差别；之后利用上述修正的子区间的评价值计算综合评价值。最后给出了应用结果。     

一种新的红外与可见光图像融合评价方法

在对源图像进行区域划分与关联的基础上,结合红外与可见光图像的成像特点和图像融合任务需求,定义了两个图像区域特征,基于该特征和融合图像与源图像的信息熵及互信息（mutual information, MI）,构造了融合图像区域相似度评价指标,提出了一种新的无参红外与可见光融合图像质量评价方法。实验表明,本文所建立的融合图像质量评价指标,比目前常用的几种评价指标更接近人的视觉观感。     

基于Tetrolet变换的图像稀疏逼近算法

针对现有大部分图像稀疏逼近算法通用性不强,仅对具有某类特征的图像具有最优逼近性能的问题,利用小波变换与Tetrolet变换各自的优点,提出了一种通用性强,不受图像特征限制的图像稀疏逼近算法。该算法分别利用小波变换与Tetrolet变换对图像的平滑区域与细节区域进行稀疏逼近,先提取平滑区域,对平滑区域进行修正,然后对修正后的平滑区域进行稀疏逼近。根据平滑区域稀疏逼近的结果分离出细节区域,实现对细节区域的稀疏逼近。对一系列典型图像进行仿真的结果表明,该算法通用性强,不受图像特征的限制,在同等条件下,图像重构质量比传统小波变换高约5.5 dB,比Tetrolet变换高约1.0 dB。     

基于组合赋权及TOPSIS 的绩效定量评价研究

工程项目管理人员是其项目管理的中心,其工作绩效的高低直接影响着工程项目的整体效率和质量.针对绩效考评定量分析问题,提出一种绩效考评的定量分析方法,即用组合赋权法确定考评指标的权重;利用行为锚定(BARS)方法给出管理人员对应的指标状态值,并对各类质化考评指标值进行量化处理;然后计算得到综合绩效值,最终运用多目标决策分析中逼近于理想解的排序方法(TOPSIS)对被考评的管理人员排序.实例表明,该方法是有效而又实用的.     

依据在线评论的商品排序方法北大核心CSCD

提出了一种依据商品在线评论的基于多粒度情感强度分析和随机逼近理想点排序法的商品排序方法.使用爬虫软件和ICTCLAS对消费者关注的备选商品的在线评论进行获取和预处理.依据预处理后的评论,通过提出多粒度情感强度分析算法确定每条评论针对商品属性的情感强度值.通过对得到的情感强度值进行统计分析,得到备选商品针对商品属性的多粒度情感强度分布形式的属性值.最后,依据得到多粒度情感强度分布形式的属性值,采用随机逼近理想点排序法确定备选商品的排序.基于中关村在线中的数码相机在线评论,给出了提出方法应用的实例分析.     

基于切比雪夫逼近的图像背景构建

提出一种基于像素邻域的切比雪夫逼近构造背景的方法,通过构造视频图像序列在Banach空间的线性包,该线性包与图像序列中任何一幅图片构成不相容线性方程组,通过切比雪夫逼近,求出最佳逼近系数。通过对所得系数设定阈值,提取出背景。实验表明,在采用固定摄像机方案下的视频监视系统,在无需大量的图片下也能提取背景,也具有较好的抑制噪声效果。     

优化视觉特性型多波段SAR图像像素级融合方法

针对多波段合成孔径雷达(synthetic aperture radar,SAR)图像数据特征,提出了一种优化视觉特性型像素级融合方法.该方法基于优化图像的视觉特性以及像素级融合的要求,利用小波变换对各波段SAR图像相对应的低频分量及各方向细节分量进行针对性融合处理,很好地将来自不同图像的特征与细节融合在一起.仿真实验证明,该算法可形成比单波段图像细节信息更为丰富、目测更为直观、统计特性更优的融合图像.     

一种基于SGNN网络的模糊图像融合算法

首先对现有的M-L算法提出了优化顺序和优化次数的改进;接着提出了对生成的SGNN网络先剪枝再一次优化的综合处理方法;然后对原有的基于SGNN和模糊理论的图像融合提出了两点改进:在原有的图像像素聚类后,加入了综合处理环节,使得图像像素聚类的效果更好;针对由于不同传感器获得的图像灰度特性的不一致导致的聚类后各类类中心的灰度值差别很大,甚至分类数目都不一致的问题,提出了改进的融合方法.仿真证明了所提的模糊融合方法的优越性.     

一种基于相似度的混合型多属性决策方法

研究了实数、区间数、语言值和不确定语言值相结合的混合型多属性决策问题。基于逼近理想解的排序方法(TOPSIS方法)确定理想方案,并定义了一种新的相似度,将各类型属性值的相似度计算规范到统一的度量空间,并且指出该相似度的几何意义,说明用该方法描述方案相似程度的合理性。将待选方案与理想方案比较,进行排序择优。最后,给出两个算例,证明了该算法的有效性。     

一种新的基于小波对比度的图像融合算法

改进了局部小波对比度的定义。基于新的对比度的融合过程,选择系数时针对融合图像的视觉重要性,而不是孤立地在单幅源图像上计算的视觉重要性,因而对于融合图像更加有意义。图像融合过程采用了"选择"和"加权平均"混合的系数选择规则,在充分保留显著图像细节信息的前提下,进一步增强了算法的稳定性。仿真结果及客观分析表明,基于改进小波对比度的图像融合算法能具有明显的提高。     

基于四通道不可分提升小波的多聚焦图像融合

张量积小波及其提升小波只强调图像的水平方向和垂直方向的边缘,造成其在应用于多聚焦图像融合时结果图像的空间分辨率不高;而二维四通道不可分小波对图像进行融合时虽有较高的空间分辨率,但由于对图像进行分解和重构时采用了卷积运算,使得融合方法的运算量增大。针对上述问题,把二维四通道不可分小波滤波器组进行提升分解,并提出了一种基于此提升分解方案的多聚焦图像融合方法。首先,对二维四通道不可分小波滤波器组的多相位矩阵进行提升分解,并利用所得提升方案对源图像进行分解;其次,对分解后的低频子图像和高频子图像分别进行融合,得到融合金字塔;最后,做二维提升小波逆变换,得到融合后图像。利用熵、平均梯度和清晰度等客观指标对融合结果进行评价。实验结果显示,所建议提升小波融合方法比张量积小波和张量积提升小波融合方法及轮廓波融合方法有较高的清晰度,比提升之前的二维四通道不可分小波融合方法速度有了较大提升。     

基于模糊积分的图像分割算法融合

提出了一种基于多分类器融合的阈值分割方法,采用模糊积分将多种阈值分割算法的结果进行融合,其区别于现有分类器融合算法之处在于,融合过程不仅取决于各个分类器(分割算法)的判决输出,而且与各个分类器的判决能力有关。各个分类器的判决能力用模糊测度表示,它可以解释为单个分类器判决对最终融合判决的重要程度。通过使用一组手工分割的测试图像进行算法评估,结果表明,所提出的融合算法性能不仅优于单个阈值分割算法,而且优于基于多数表决和算术平均的分类器融合算法。     

基于多尺度特征融合的红外图像小目标检测

针对复杂背景红外图像弱目标检测问题,提出了一种基于多尺度特征融合的红外小目标检测方法。该方法在对红外图像进行离散小波框架变换的基础上,提取目标在各子带图像上的多个特征;然后对各子带图像上的多个特征分别进行融合,获得相应的目标检测判决置信度图;接着采用自适应加权方法对各个目标检测判决置信度图进行融合,得到目标检测判决总置信度图,并对其进行目标区域分割,获得最终的目标检测结果。实验结果显示,该方法对高杂波条件下红外弱目标检测具有良好效果。     

基于加权稀疏子空间聚类多特征融合图像分割

提出一种图像分割的多特征融合加权稀疏子空间聚类方法。采用多种属性的特征能够更可靠地描述图像中不同物体的特性,提高分割的准确性和可靠性。定义了加权稀疏度量,即在1 范数中引入权重,权重与数据的相似度成反比,有利于迫使相似的数据尽可能参与到数据的自表示中,从而改善稀疏表示过稀疏并且不稳定的局限性。实验结果和客观指标表明,所提方法能有效地分割自然图像, 获得的结果更加符合人类视觉感知。