基于證據(jù)理論的圖像融合新算法及應(yīng)用.pdf_第1頁
已閱讀1頁,還剩45頁未讀, 繼續(xù)免費(fèi)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(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、圖像融合是圖像理解和計(jì)算機(jī)視覺領(lǐng)域中一項(xiàng)重要而有用的新技術(shù)。由于利用了來自多傳感器的多源圖像,所以,融合后圖像比任何單一源圖像都更全面、更準(zhǔn)確。融合圖像更符合人和機(jī)器的視覺特征,更有利于諸如目標(biāo)識別、特征提取等進(jìn)一步的圖像處理,因此成為近年來的研究熱點(diǎn)。 本文在證據(jù)理論的基礎(chǔ)上,提出了一種用證據(jù)理論結(jié)合模糊測度進(jìn)行圖像融合的新算法。證據(jù)理論是一種應(yīng)用廣泛的數(shù)據(jù)融合方法,但證據(jù)理論在圖像融合應(yīng)用中存在一些難點(diǎn)。首先是基本概率賦值的

2、獲取是比較困難的一個(gè)環(huán)節(jié),而且這一環(huán)節(jié)直接影響最后的融合性能,是證據(jù)理論中的關(guān)鍵問題。其次是證據(jù)理論的計(jì)算復(fù)雜度隨推理步驟的增加成指數(shù)增長。本文算法較好的解決了這兩方面的問題,該算法采用模糊聚類算法對圖像進(jìn)行聚類分析,并利用啟發(fā)式最小二乘算法對模糊測度進(jìn)行計(jì)算,從而確定證據(jù)理論的mass函數(shù),降低了參數(shù)辨識的復(fù)雜度,有效地解決了證據(jù)理論應(yīng)用中基本概率賦值如何確定的難題。 本文算法應(yīng)用到多相流流型識別中,對不同源傳感器重構(gòu)圖像進(jìn)行

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(hù)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(shí)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。

最新文檔

評論

0/150

提交評論