一种基于显著性的多尺度图像融合模型

提出一种基于显著性的多尺度图像融合模型. 先利用轮廓波变换将输入图像分解成子图序列, 然后计算每幅子图像的区域显著性, 并选取显著性大的参数作为最终融合参数, 最后通过反变换获得融合图像, 图像的显著性通过谱冗余法获得. 实验结果表明, 该方法较传统方法融合效果更好.     

基于分数阶微分的多尺度多聚焦图像融合

针对多聚焦图像融合问题,借鉴多尺度融合方法对各个尺度的互补信息进行针对性融合.首先,运用L_○0梯度最小化的平滑方法将源图像分解为背景层和细节层,然后在背景层的融合中运用分数阶边缘检测掩模保持边缘信息,在细节层中引入分数阶梯度能量算子进行权值分配.实验结果表明,与整数阶梯度能量清晰度算子相比,本文所提出的分数阶梯度能量算子符合人眼视觉感知且更加敏锐.上述融合方法有效避免了融合图像中的伪影和块状效应,更加充分地保留了源图像信息.     

带相关噪声多传感器系统的事件触发贯序和分布式融合估计

对带相关噪声的多传感器系统,研究了事件触发的贯序和分布式融合估计算法.不同传感器之间的观测噪声同时刻相关,并与过程噪声一步相关.为了节省通信能耗,采用了事件触发传输机制,该机制依赖于每个传感器当前的观测值和上一个触发时刻的观测值.在事件触发条件下,提出了在线性最小方差意义上的最优贯序融合和分布式融合估计算法.所提出的贯序融合算法可以根据传感器观测数据到达滤波器的顺序进行实时处理,具有较小的计算负担.所提出的分布式融合算法可以对传感器观测数据进行并行处理,具有更好的可靠性.两种算法与事件触发集中融合算法具有相同的估计精度.仿真结果验证了算法的有效性.     

融合多特征和谱聚类集成的图像分割方法

针对图像单一特征分割结果的适应局限性,提出融合多特征和谱聚类集成的图像分割方法(MFSC-IS).首先对图像进行基于粒计算的多特征子分割;然后将分割结果映射到超图,利用谱聚类集成算法得到最终分割结果.实验结果表明,与Gpb(Globalized probability of boundary)算法相比,融合多特征和谱聚类集成方法可以得到一个相对较好的分割结果.     

基于光谱融合的手掌异常纹识别

针对现有掌部封闭型病理纹识别算法提取的线特征较少、 识别率较低的问题, 提出一种基于非下采样剪 切波变换(NSST: Nonsubsample Shearlet Transform)域光谱融合的手掌异常纹识别算法。 首先, 选取融合效果最 佳的多光谱掌纹波段组合, 并在 NSST 域内进行多尺度、 多方向的分解; 其次, 根据分解各层子带图像的特点 设计融合规则进行相应系数矩阵的融合, 再通过 NSST 逆变换和形态学处理提取精细纹路特征; 然后, 利用像 素点的度特点寻找符合要求的闭合纹线回路; 最后, 采用一种基于矩形度和偏心率等形状描述符的方法识别封 闭型异常纹。 实验结果表明, 该识别方法能提取丰富的掌纹线特征, 同时, 还可准确识别 6 种不同类型的封闭 型病理纹, 识别率可达 90%以上。     

改进区域分割的多聚焦图像融合方法

针对传统多尺度几何分析方法在图像融合时易损失清晰度以及融合规则选取复杂的缺点,提出一种改进基于区域分割的多聚焦图像融合方法;首先,根据提升静态小波变换快速获得初始融合图像,并对初始融合后的图像进行Normalized Cut算法处理以获得不同的分割区域,然后分别对原始图像进行NSCT变换并计算每个分割区域内高频分量系数的绝对值之和,最后选取绝对值最大的区域为融合后区域,并通过遍历每个分割区域获得融合后的多聚焦图像;数值试验证明,本算法不但融合规则选取较传统多尺度分析融合算法简单,还能够有效克服清晰度损失的缺点,具有有效性。     

基于多数据源的知识图谱构建方法研究

针对多数据源的融合应用,构建了基于多数据源的知识图谱.首先,对不同领域内的数据源构建相应本体库,并将不同本体库通过数据融合映射到全局本体库;然后,利用实体对齐和实体链接方法进行知识获取和融合;最后,搭建知识图谱应用平台,提供查询和统计等操作.在实体对齐方面,利用传统的基于相似性传播实体对齐方法,获得良好的实体对齐效果;在实体链接方面,提出了基于约束嵌入转换的预测推理方法,实验结果表明,在预测准确率上取得较好的结果.     

基于NSCT变换的红外与可见光图像融合新算法

考虑红外与可见光图像的成像机理,提出把非下采样Contourlet变换用于该类图像融合的改进措施.先用NSCT变换在多尺度和多方向上去分解已经配准的图像,可以得到低频系数部分和高频系数部分;再对低频子代部分应用归一化局部方差的差和融合阈值比较的融合规则,对于高频方向子代部分则使用拉普拉斯能量和的能量取大的融合方法;最后把NSCT逆变换应用在高低频部分,输出最后的图像.通过对比实验可知,提出的新方法较传统的图像融合方法更能准确地反映所要研究的场景.     

基于多小波提升格式的光学/被动毫米波图像融合

以安检中隐匿物品检测为应用背景,提出一种结合多小波变换和提升小波变换的图像融合算法.该方法首先对被动毫米波图和可见光图进行多小波预处理,并通过提升小波正变换分别得到两类图像的高、低频分量;然后对变换得到的低频分量和高频分量分别采用不同的融合规则融合;最后进行提升小波逆变换,及多小波后处理得到融合图像.实验仿真结果表明:融合效果较好,能实现对隐匿物品的快速识别.     

融合深度特征与梯度特征的红外目标跟踪算法

由于红外序列图像目标与背景的对比度低,图像的边缘模糊并且灰度级动态范围小,采用何种特征描述目标成为跟踪的关键。深度特征和梯度特征是目前大部分跟踪算法采用的主要特征,然而深度特征提取的目标语义信息关注类间分类(Intra-Class),忽略类内差别,容易受到相似背景(Distractor)干扰;梯度特征作为局部区域特征不易受背景干扰,但不能适应目标的剧烈形变。基于这2种特征的互补性,提出一种融合深度特征和梯度特征的红外目标跟踪算法。深度特征与梯度特征被分别用来表征目标的语义信息与局部结构信息,增强了对任意目标的表征能力;利用不同特征建立的跟踪模型进一步提高了跟踪的鲁棒性。通过建立模型互助机制,利用深度特征跟踪模型与梯度特征跟踪模型的互补性,对目标实施了精准的定位。实验中,选取了最新的红外视频跟踪数据库(VOT-TIR2016)用来验证文中算法的有效性,结果表明：和当今主流跟踪算法相比,算法在精确度上获得了3.8％的提升,在成功率上获得了4.3％的提升,能够有效处理跟踪中相似背景与形变的影响。