2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩68頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認(rèn)領(lǐng)

文檔簡介

1、論文研究了基于多尺度分解與脈沖耦合神經(jīng)網(wǎng)絡(luò)相結(jié)合的圖像融合方法,目的是開發(fā)融合效果優(yōu)良、運算處理速度快的圖像融合方法,為圖像融合的實際應(yīng)用提供新的途徑。論文的主要研究內(nèi)容如下:
   ①介紹了多尺度分解與重構(gòu)工具在醫(yī)學(xué)圖像、多聚焦圖像、遙感圖像、紅外與可見光圖像融合方面的應(yīng)用,以及非采樣Contourlet(Nonsubsampled ContourletTransform,NSCT)變換和脈沖耦合神經(jīng)網(wǎng)絡(luò)(Pulse coup

2、led neural networks,PCNN)的一般原理。
   ②實驗比較了采用不同的多尺度分解與重構(gòu)工具獲得的融合圖像性能,得出了基于非采樣Contourlet變換(NSCT)的圖像融合方法優(yōu)于傳統(tǒng)的基于小波變換、靜態(tài)小波變換、提升靜態(tài)小波變換、Contourlet變換的圖像融合的一般結(jié)論,提出了NSCT與PCNN相結(jié)合的圖像融合方法。
   ③針對PCNN在圖像處理時所有鏈接強度都是使用同一數(shù)值的不足,定義了圖

3、像單個像素清晰度的概念,提出了以圖像單個像素的清晰度作為PCNN鏈接強度的方法,從而使PCNN可以根據(jù)圖像的不同特點來自適應(yīng)選擇鏈接強度的大小。
   ④傳統(tǒng)的基于多尺度分解與PCNN相結(jié)合的圖像融合方法在選擇低頻子帶系數(shù)時大都以圖像像素的灰度值做為PCNN神經(jīng)元的外部輸入或直接采用加權(quán)平均法。根據(jù)人類視覺系統(tǒng)對圖像的邊緣細節(jié)信息比較敏感的特性可知,僅僅以單個像素的灰度值來作為PCNN神經(jīng)元的外部輸入是不夠的,直接采用加權(quán)平均法

4、會使圖像的邊緣細節(jié)信息被平均亮度湮沒。為克服傳統(tǒng)方法的不足,本文根據(jù)拉普拉斯能量和能夠恰當(dāng)?shù)乇碚鲌D像邊緣細節(jié)信息的特性,提出了對圖像經(jīng)NSCT分解后的低頻部分采用其拉普拉斯能量和作為PCNN神經(jīng)元的外部輸入;高頻部分代表了圖像的邊緣細節(jié)信息,直接將其灰度值作為PCNN神經(jīng)元的外部輸入,根據(jù)神經(jīng)元點火次數(shù)的大小來選擇融合圖像的NSCT系數(shù)。
   為驗證本文方法的有效性和優(yōu)越性,對不同傳感器獲得的圖像進行了融合實驗。實驗結(jié)果表明,

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論