【摘 要】
：
针对可见光和红外图像的融合容易出现块状噪声、边缘有振铃现象等不足,提出了一种基于区域双通道脉冲耦合神经网络(RDU-PCNN)和非下采样剪切波变换(NSST)的红外和见光图像融合算法。首先对待融合的可见光和红外图像进行NSST分解得到低频系数和高频方向系数,低频系数采用RDU-PCNN的规则融合,高频方向系数采用离散余弦变换(DCT)的融合规则,对融合后的系数进行逆NSST,从而得到融合后的图像。
论文部分内容阅读
针对可见光和红外图像的融合容易出现块状噪声、边缘有振铃现象等不足,提出了一种基于区域双通道脉冲耦合神经网络(RDU-PCNN)和非下采样剪切波变换(NSST)的红外和见光图像融合算法。首先对待融合的可见光和红外图像进行NSST分解得到低频系数和高频方向系数,低频系数采用RDU-PCNN的规则融合,高频方向系数采用离散余弦变换(DCT)的融合规则,对融合后的系数进行逆NSST,从而得到融合后的图像。仿真结果表明,与其他5种目前流行或者较为先进的算法相比,本文的算法在视觉和客观评价指标上优于其他算法。
其他文献
为了适应人们多样化的检索需求,国内外研究人员提出各种"浅层"学习方法模型来探索跨媒体数据间潜在的关联关系,但这些方法主要从手工构建的底层特征出发,并不能充分有效的学习到不同媒体间的关联。与手工构建底层特征不同,深度学习通过无监督逐层预训练与有监督的微调,从而实现区分性更强的特征描述。利用深度学习在特征学习方面的优越性,提出了一种基于深层卷积神经网络VGGNet与LDA模型相结合的跨媒体数据检索方法
伴随图像去噪技术的不断发展,传统的全变分(TV)模型存在一定的局限性,即容易出现"阶梯效应"。为了解决TV模型去噪后图像易出现"阶梯效应"的问题,提出一种改进的全变分模型。首先,分析了图像边缘区域、纹理细节区域和平坦区域的梯度和方差特性;其次,利用图像不同区域具有不同的梯度和方差特性构造加权函数;随后在TV模型的正则项中引入加权函数来控制扩散强度;考虑到噪声的影响,首先对图像的梯度值和方差值进行滤
为了提升超声图像中的神经分割效果,提出了一种新的网络结构残差U型网络.相比于现有的U-net网络,残差U型网络加深了网络结构,提高了网络的表达能力;通过对每层参数进行规范化处理,减少了训练时间,提高了神经分割效果.实验结果表明,残差U型网络在分割效果上比U-net网络提升了约13%,比Seg Net网络提升了约7%.
为了提高光学相干弹性成像(OCE)灵敏度,达到通过测量微小形变实现生物组织弹性成像的目的,提出了一种基于多阶微分放大的相敏OCE方法。本方法采用压电陶瓷(PZT)作为外部驱动激励源,以PZT谐振频率为驱动频率,通过提取相邻时刻微小位移改变引起的相位差,并对其作微分放大从而实现微小位移提取。通过对有内嵌物的琼脂模拟样品进行弹性成像,可将反射系数相近、弹性模量相差较大的不同样品进行区分。仿体实验说明,
整合机器视觉与运动控制的专家--凌华科技宣布支持由嵌入式技术标准化组织(SGeT,Standardization Group for Embedded Technologies)所提出的通用物联网连接器规范(UIC,Universal Internet-of-Things Connector),并宣布支持嵌入式XRCE中间件,以强化通用物联网连接器的实时数据传输。两款开源软件规范的结合,强化了凌华
由于传统的视频信息隐藏算法缺乏对人眼视觉感知特性的研究,本文提出一种基于视觉感知的3D-HEVC(3D High Efficiency Video Coding,3D-HEVC)帧间信息隐藏算法。首先,根据立体显著模型和大津阈值,将立体视频图像分为显著区域和非显著区域;然后,建立隐秘信息与量化参数QP(Quantization Parameter,QP)的映射关系,且针对不同的区域,利用隐秘信息根
为了有效填补虚拟视点图像中的公共空洞,提出了一种基于逆向映射的空洞填补方法。首先利用深度图像绘制(DIBR)技术将左、右参考视点映射到虚拟视点位置,利用图像膨胀方法将映射的虚拟视图中的空洞区域进行扩大,以消除虚拟视点图像中的伪影瑕疵;然后,提取出膨胀后空洞区域的边界,并将其逆映射到原始的参考图像中,根据空洞与边界的相对位置,选取原始图像中相对位置上的像素来填充虚拟视图中的空洞区域;最后,将空洞填补
An image encryption scheme based on confusion and diffusion is proposed. In the proposed scheme,original images are transformed into other forms, such as binary streams and ‘hyper-image, firstly. Then
针对红外弱小多目标图像背景杂波干扰严重、弱小目标检测率低和目标跟踪困难的问题,提出一种基于噪声方差估计的红外弱小目标快速检测与目标跟踪算法。首先采用改进的形态学滤波抑制背景噪声,对处理后的多帧图像进行方差估计初步突出目标像素;然后对其进行信噪比(SNR)估计得到整个图像序列像素得分,图像中像素SNR高的被标记为目标像素;再对标记过的图像进行分块分析,准确提取出连续图像序列中的目标像素;将检测出的目
为从海量的图像资源中既准确又快速地检索出目标图像,在传统的图像检索模型中,图像的特征通常是从固定尺度的图像上提取出的,这将不可避免地降低整个系统实际应用能力。为解决这一问题,本文引入分层稀疏编码模型,提出一种基于分层匹配追踪(HMP)的快速图像检索技术,实现多尺度情况下的图像检索。本文方法从图像中提取的低层稀疏编码特征传递到高层,并将提取的高维稀疏编码特征转换为改进后的PCAH特征,利用哈希特征的