基于模糊神經網(wǎng)絡的圖像特征級信息融合算法研究.pdf

1、隨著傳感器制造技術的發(fā)展，信息來源的不斷豐富，信息融合技術已經成為信息處理的一個重要研究方向。信息融合是針對來自不同源的信息具有多樣性、差異性、互補性等特點，通過一定的融合方法，將多個信息進行系統(tǒng)的綜合，從而得到比單個源信息更加豐富、正確、完整的融合信息。圖像是信息的一種重要表現(xiàn)形式，對于圖像信息的融合算法研究成為了信息融合研究中的一個熱點。本文分析、研究了一些目前經典的圖像信息融合算法，并提出改進的算法，研究的主要內容包括以下幾個方面

2、:
　　(1)改進了特征級多聚焦圖像融合框架，將模糊神經網(wǎng)絡方法應用于圖像融合。首先將源圖像分割成大小相同的圖像塊;然后對圖像塊進行冗余性分類;接著提取非冗余圖像塊中的清晰度特征，通過模糊神經網(wǎng)絡進行清晰度分類;最后根據(jù)分類結果對圖像塊進行相應的融合處理，得到融合的圖像。實驗表明，該融合框架結構合理，處理速度快，融合效果優(yōu)于部分經典的像素級圖像融合算法。
　　(2)利用結合了SVM的模糊神經網(wǎng)絡對圖像塊進行分類。本文提出了一

3、種結合SVM的模糊神經網(wǎng)絡構建方法，通過FCM聚類得到模糊神經網(wǎng)絡前件中隸屬度函數(shù)的參數(shù)，利用SVM訓練獲取模糊神經網(wǎng)絡后件中的輸出方程參數(shù)，從而實現(xiàn)了SVM與FNN的有機結合。實驗表明，該方法減少了模糊神經網(wǎng)絡規(guī)則數(shù)量以及運算時間，提高了分類精度。
　　(3)提出了一種改進型PSO優(yōu)化模糊神經網(wǎng)絡參數(shù)的方法。根據(jù)模糊神經網(wǎng)絡輸出與標準輸出的平均絕對誤差設計適應度函數(shù)，利用局部適應度和全局適應度設計自適應慣性因子，從而實現(xiàn)了粒子的