【摘 要】
：
针对现有融合方法所用的多尺度变换模型均使用的通过手工设计的固定框架具有很强的人为先验性,提出了一种基于深度卷积自编码网络的图像融合方法。首先,通过构建一种深度卷积自编码网络来学习图像的有效分解与表示;然后,在该网络框架下通过设计基于红外图像显著性的融合规则进行图像融合。仿真实验表明,提出的算法在主观和客观评价上均具有明显优势。
【机 构】
：
中国科学院西安光学精密机械研究所海洋光学技术研究室,93617部队,西北工业大学自动化学院
论文部分内容阅读
针对现有融合方法所用的多尺度变换模型均使用的通过手工设计的固定框架具有很强的人为先验性,提出了一种基于深度卷积自编码网络的图像融合方法。首先,通过构建一种深度卷积自编码网络来学习图像的有效分解与表示;然后,在该网络框架下通过设计基于红外图像显著性的融合规则进行图像融合。仿真实验表明,提出的算法在主观和客观评价上均具有明显优势。
其他文献
在软土地区修建高速公路，如果不根据实际情况修建并处理路基，往往会发生路基失稳或过量沉陷问题，导致公路路面破坏甚至不能正常使用。结合邢衡高速公路勘察设计，针对不同工程部位
根据黑河干流金塔鼎新段河道主流不稳,河岸结构松散,受水流冲刷破坏严重,开展对该河段整治工作。通过对河道的调研分析,提出采用铅丝笼为主的柔性护岸。实践证明,方案实施后
脑血管疾病是我国中老年人的常见病、多发病,其病程长,病死率、复发率与致残率高,是目前世界多数国家的三大致死疾病之一,幸存者中的 3/4不同程度丧失劳动能力,重度致残者占
道路遗撒物已经成为交通安全的极大隐患,基于视频视觉的交通道路遗撒物检测越来越广泛地应用到交通监控中并逐渐成为研究热点。但由于道路环境的复杂性,从视频图像中自动识别与提取遗撒物是研究的难点问题。对此,提出一种长短效双背景模型下的交通遗撒物识别新方法,该方法建立了长短效双背景模型以分割检测遗撒物,消除了噪声干扰,通过提出的自适应阈值方法进行背景差分并二值化,得到精确的遗撒物目标几何特征。实测场景利用提
为提高公交专用车道识别的实时性和鲁棒性,结合深度学习技术和图像处理,设计并实现了一种基于全卷积神经网络的公交专用道识别算法。该方法将道路图像输入全卷积网络模型,经过模型的不断训练与优化,最后通过反卷积层输出标记的当前车道区域。与识别车道标线相比,识别车道区域能够有效降低环境因素的影响,例如当地面有其他线条干扰,或在没有车道标线或者标线不明显时,还可以根据周边景物辅助判断车道区域。与传统的车道线识别
车辆标志作为车辆信息中的关键因素,能够很好地辅助完成对车辆的信息识别。随着深度学习算法的兴起,目标检测任务有了更好的完成方式,同时也达到了更好的检测效果,但是绝大部分算法无法保持检测速度与准确度之间的平衡。UpYOLO以YOLOv2算法为基础,通过扩充车标数据集、重聚候选框尺寸、多轮网络预训练和优化候选框筛选策略等方法对深度神经网络进行改进。通过三组对比实验验证UpYOLO算法的效果,实验结果表明
朱家山岩组、乔子沟岩片位于南秦岭勉略构造带横现河以北,是勉略构造带中强烈韧性变形的沉积岩系,是勉略构造混杂岩带的基质岩系,研究其形成时代、沉积物源,对于深入了解勉略
目前鸟类识别和管理主要依靠人工与经验积累,效率不高。为此,基于最新的人工智能技术和云南野生鸟类数据集,提出以云南省野生鸟类信息化数据库为核心,云南省野生鸟类信息管理子系统、云南省野生鸟类图像分类网络为平台构建云南野生鸟类图像自动识别系统。该系统直接面向社会服务,作用于鸟类的原始数据,从而避免人工提取特征的困难和问题。该系统不仅能够准确识别鸟类种类,还能给出鸟类所属的概率和该鸟类种类对应的目、科、属
深度学习在图像识别领域已取得了巨大成功,但在场景图像识别领域进展较慢。原因在于,相比以对象为中心的图像识别,场景图像包含的语义信息更丰富,既包括对象信息也包括全局信息。在深度神经网络VGG16模型基础上,通过融合场景图像的微观特征和宏观特征,以提高场景图像的识别准确率。同时构建了电力行业的场景图像数据集electric-5。实验显示,修改后的模型在scene-15和electric-5数据集上to
目的探讨高氧液联合康复综合治疗急性期脑梗死的疗效。方法70例急性期脑梗死患者随机分为治疗组和对照组，两组均按常规药物治疗配合康复训练，治疗组同时加用高氧液治疗，4周后对