圖像融合是圖像處理領(lǐng)域的重要分支。由于神經(jīng)網(wǎng)絡(luò)在圖像特征提取和分類中優(yōu)勢顯著,因此將神經(jīng)網(wǎng)絡(luò)技術(shù)應(yīng)用于圖像融合領(lǐng)域中也是近年來的研究熱點。首先對基于淺層和深度神經(jīng)網(wǎng)絡(luò)的紅外與可見光圖像融合算法做出概述,并詳細(xì)地介紹圖像融合技術(shù)的研究進(jìn)展,展示融合算法的研究成果。其次選取六種圖像質(zhì)量評價指標(biāo),對所述算法獲得的融合圖像進(jìn)行客觀評價,最后根據(jù)實驗結(jié)果對未來的研究提出展望。 

【文章頁數(shù)】：6 頁

【文章目錄】：
1 引言
2 圖像融合方法
    2.1 脈沖耦合神經(jīng)網(wǎng)絡(luò)方法
    2.2 卷積稀疏表示方法
    2.3 卷積神經(jīng)網(wǎng)絡(luò)方法
    2.4 生成對抗網(wǎng)絡(luò)方法
    2.5 其它框架方法
3 融合圖像性能評價
4 實驗結(jié)果與分析
5 結(jié)論和展望


【參考文獻(xiàn)】：
期刊論文
[1]生成對抗殘差網(wǎng)絡(luò)的醫(yī)學(xué)圖像融合算法[J]. 高媛,吳帆,秦品樂,王麗芳.  計算機應(yīng)用. 2019(12)
[2]基于生成對抗網(wǎng)絡(luò)的多模態(tài)圖像融合[J]. 楊曉莉,藺素珍,祿曉飛,王麗芳,李大威,王斌.  激光與光電子學(xué)進(jìn)展. 2019(16)
[3]基于張量分解和卷積稀疏表示的多曝光圖像融合[J]. 戚余斌,郁梅,姜浩,邵華,蔣剛毅.  光電工程. 2019(01)
[4]基于卷積稀疏表示的紅外與可見光圖像融合[J]. 董安勇,蘇斌,趙文博,杜慶治,彭藝.  激光與紅外. 2018(12)
[5]融合圖像質(zhì)量評價指標(biāo)的相關(guān)性分析及性能評估[J]. 張小利,李雄飛,李軍.  自動化學(xué)報. 2014(02)



本文編號：3706006