本文關(guān)鍵詞： 圖像融合 深度學(xué)習(xí) 卷積神經(jīng)網(wǎng)絡(luò) 堆疊自動(dòng)編碼 濾波器　出處：《計(jì)算機(jī)學(xué)報(bào)》2017年11期 　論文類型：期刊論文

【摘要】：該文針對(duì)多尺度變換融合圖像中普遍存在的需要依據(jù)先驗(yàn)知識(shí)選取濾波器,導(dǎo)致融合效果存在不確定性的問題,提出了基于深度堆疊卷積神經(jīng)網(wǎng)絡(luò)的融合方法.首先,分別以高斯拉普拉斯濾波器和高斯濾波器為首層網(wǎng)絡(luò)的初始卷積核,將源圖像分解為高頻和低頻圖像序列;其次,基于He K方法初始化其余層卷積核,獲得與源圖像尺寸相同的高頻和低頻重構(gòu)圖像各一幅,并將二者合成源圖像的近似圖像;再以源圖像和近似圖像像素值之差的平方和的均值為誤差函數(shù),進(jìn)行反向傳播訓(xùn)練形成基本神經(jīng)單元;之后,將多個(gè)基本單元堆疊起來利用end-to-end的方式調(diào)整整個(gè)網(wǎng)絡(luò)得到深度堆疊神經(jīng)網(wǎng)絡(luò).然后,利用該堆疊網(wǎng)絡(luò)分別分解測(cè)試圖像對(duì),得到各自的高頻和低頻圖像,再基于局部方差取大和區(qū)域匹配度合并的規(guī)則分別融合高頻和低頻圖像,并將高頻融合圖像和低頻融合圖像放回最后一層網(wǎng)絡(luò),得到最終的融合圖像.實(shí)驗(yàn)結(jié)果表明:與基于雙樹復(fù)小波變換(Dual-Tree Complex Wavelet Transform,DTCWT)、非下采樣輪廓波變換(Non-Subsampled Contourlet Transform,NSCT)和非下采樣剪切波變換(Non-Subsampled Shearlet Transform,NSST)的融合結(jié)果相比,用高斯拉普拉斯濾波器和高斯濾波器初始化的深度堆疊卷積神經(jīng)網(wǎng)絡(luò)融合效果主觀效果好,客觀指標(biāo)最優(yōu)個(gè)數(shù)為NSCT的3.3倍,運(yùn)行時(shí)間為NSCT的30.3%和NSST的11.6%.
[Abstract]:In this paper, a fusion method based on deep stacked convolution neural network is proposed to solve the problem that filter selection based on prior knowledge is necessary in multiscale image fusion, which leads to uncertainty of fusion effect. Taking Gao Si Laplacian filter and Gao Si filter as initial convolution cores of the first layer network, the source image is decomposed into high frequency and low frequency image sequences respectively. Secondly, the other layer convolution cores are initialized based on He-K method. A high frequency and a low frequency reconstructed image with the same size as the source image are obtained, and the approximate image of the source image is synthesized. Then, the mean value of the square sum of the difference between the pixel value of the source image and the approximate image is taken as the error function. The basic neural unit is formed by backpropagation training. After stacking several basic units and adjusting the whole network by end-to-end, the deep stacking neural network is obtained. Then, the test image pair is decomposed using the stack network. The high frequency and low frequency images are obtained, and then the high frequency and low frequency images are fused based on the rules of local variance and region matching, respectively, and the high frequency fusion images and the low frequency fusion images are put back to the last layer of the network. The experimental results show that the fusion results are compared with those based on Dual-Tree Complex Wavelet transform (DTCWTT), Non-Subsampled Contourlet transform (NSCT) and Non-Subsampled Shearlet transform (NSSTT). The fusion effect of deep stack convolution neural network initialized by Gao Si Laplace filter and Gao Si filter is good, the optimal number of objective indexes is 3.3 times of NSCT, the running time is 30.3% of NSCT and 11.662 of NSST.
【作者單位】： 中北大學(xué)計(jì)算機(jī)與控制工程學(xué)院;
【基金】：山西省重點(diǎn)研發(fā)計(jì)劃項(xiàng)目(201603D321128) 山西省應(yīng)用基礎(chǔ)研究項(xiàng)目(201701D121062) 中北大學(xué)第十三屆研究生科技立項(xiàng)(20161354)資助~~
【分類號(hào)】：TP183;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 曠章輝;王甲海;周雅蘭;;用改進(jìn)的競(jìng)爭(zhēng)Hopfield神經(jīng)網(wǎng)絡(luò)求解多邊形近似問題[J];計(jì)算機(jī)科學(xué);2009年03期

2 高永建 ,吳健康;神經(jīng)網(wǎng)絡(luò)及其識(shí)別應(yīng)用簡(jiǎn)介[J];電信科學(xué);1990年02期

3 謝國(guó)梁;;神經(jīng)網(wǎng)絡(luò):從希望到現(xiàn)實(shí)[J];激光與光電子學(xué)進(jìn)展;1991年01期

4 鄭士貴;文獻(xiàn)自動(dòng)閱讀神經(jīng)網(wǎng)絡(luò)[J];管理科學(xué)文摘;1996年08期

5 呂芬;趙生妹;;基于Hopfield神經(jīng)網(wǎng)絡(luò)的噪聲字母識(shí)別[J];計(jì)算機(jī)與信息技術(shù);2005年12期

6 李毅;童紅俊;宋貴寶;李冬;;神經(jīng)網(wǎng)絡(luò)在飛行器航跡仿真計(jì)算中的應(yīng)用[J];海軍航空工程學(xué)院學(xué)報(bào);2006年05期

7 林鋼;;基于SOM神經(jīng)網(wǎng)絡(luò)對(duì)潛在客戶的挖掘[J];南寧職業(yè)技術(shù)學(xué)院學(xué)報(bào);2006年04期

8 楊帆;陳勁杰;唐梅華;陳鑫;;簡(jiǎn)論神經(jīng)網(wǎng)絡(luò)在搜索中的應(yīng)用[J];機(jī)械管理開發(fā);2008年01期

9 朱紅斌;;LVQ神經(jīng)網(wǎng)絡(luò)在交通事件檢測(cè)中的應(yīng)用[J];計(jì)算機(jī)工程與應(yīng)用;2008年34期

10 李彤巖;李興明;;神經(jīng)網(wǎng)絡(luò)在確定關(guān)聯(lián)規(guī)則挖掘算法權(quán)值中的應(yīng)用研究[J];計(jì)算機(jī)應(yīng)用研究;2008年05期

相關(guān)會(huì)議論文 前10條

1 陳文新;王長(zhǎng)富;戴蓓倩;;基于神經(jīng)網(wǎng)絡(luò)的漢語四聲識(shí)別[A];第一屆全國(guó)語言識(shí)別學(xué)術(shù)報(bào)告與展示會(huì)論文集[C];1990年

2 李睿;李明軍;;一種模糊高斯基神經(jīng)網(wǎng)絡(luò)在數(shù)值逼近上的仿真[A];計(jì)算機(jī)技術(shù)與應(yīng)用進(jìn)展——全國(guó)第17屆計(jì)算機(jī)科學(xué)與技術(shù)應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集（上冊(cè)）[C];2006年

3 許旭萍;臧道青;;采用Hopfield神經(jīng)網(wǎng)絡(luò)實(shí)施缸蓋表面點(diǎn)陣字符識(shí)別[A];第十五屆全國(guó)汽車檢測(cè)技術(shù)年會(huì)論文集[C];2011年

4 朱長(zhǎng)春;;神經(jīng)網(wǎng)絡(luò)用于線性時(shí)固有系統(tǒng)的廣義狀態(tài)轉(zhuǎn)移矩陣的識(shí)別[A];中國(guó)工程物理研究院科技年報(bào)（1999）[C];1999年

5 王玉斌;李永明;王穎;;用數(shù)據(jù)挖掘和神經(jīng)網(wǎng)絡(luò)技術(shù)預(yù)測(cè)工程造價(jià)[A];第十一屆全國(guó)電工數(shù)學(xué)學(xué)術(shù)年會(huì)論文集[C];2007年

6 應(yīng)捷;袁一方;;神經(jīng)網(wǎng)絡(luò)指紋特征點(diǎn)匹配算法的改進(jìn)[A];2007'中國(guó)儀器儀表與測(cè)控技術(shù)交流大會(huì)論文集（二）[C];2007年

7 謝小良;符卓;;基于Hopfield神經(jīng)網(wǎng)絡(luò)的單周期船舶調(diào)度模型及算法[A];2008年全國(guó)開放式分布與并行計(jì)算機(jī)學(xué)術(shù)會(huì)議論文集(下冊(cè))[C];2008年

8 陳意;;神經(jīng)網(wǎng)絡(luò)在船舶識(shí)別一個(gè)應(yīng)用[A];船舶航泊安全的新經(jīng)驗(yàn)新技術(shù)論文集（上冊(cè)）[C];2007年

9 王輝;楊杰;黎明;蔡念;;一種基于神經(jīng)網(wǎng)絡(luò)的圖像復(fù)原方法[A];2006年全國(guó)光電技術(shù)學(xué)術(shù)交流會(huì)會(huì)議文集（D 光電信息處理技術(shù)專題）[C];2006年

10 賈睿;徐啟強(qiáng);劉艷;;基于神經(jīng)網(wǎng)絡(luò)的網(wǎng)殼結(jié)構(gòu)近似分析研究[A];第二十一屆全國(guó)振動(dòng)與噪聲高技術(shù)及應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2008年

相關(guān)重要報(bào)紙文章 前1條

1 中國(guó)科技大學(xué)計(jì)算機(jī)系　邢方亮;神經(jīng)網(wǎng)絡(luò)挑戰(zhàn)人類大腦[N];計(jì)算機(jī)世界;2003年

相關(guān)博士學(xué)位論文 前10條

1 李曉剛;基于神經(jīng)網(wǎng)絡(luò)的碼垛機(jī)器人視覺位姿測(cè)量及伺服控制研究[D];北京林業(yè)大學(xué);2015年

2 戶保田;基于深度神經(jīng)網(wǎng)絡(luò)的文本表示及其應(yīng)用[D];哈爾濱工業(yè)大學(xué);2016年

3 沈旭;基于序列深度學(xué)習(xí)的視頻分析：建模表達(dá)與應(yīng)用[D];中國(guó)科學(xué)技術(shù)大學(xué);2017年

4 諸勇;正交回歸神經(jīng)網(wǎng)絡(luò)及其在控制系統(tǒng)中的應(yīng)用[D];浙江大學(xué);1998年

5 田景文;地下油藏的仿真與預(yù)測(cè)[D];哈爾濱工程大學(xué);2001年

6 彭宏京;基于稀疏RAM的神經(jīng)網(wǎng)絡(luò)及其人臉識(shí)別應(yīng)用研究[D];南京航空航天大學(xué);2002年

7 王春萌;多曝光圖像融合關(guān)鍵技術(shù)的研究[D];山東大學(xué);2015年

8 費(fèi)春;基于智能優(yōu)化和視覺顯著性的圖像融合研究[D];電子科技大學(xué);2015年

9 段昶;基于Shearlet的圖像融合研究[D];電子科技大學(xué);2014年

10 史立芳;大視場(chǎng)人工復(fù)眼成像結(jié)構(gòu)研究與實(shí)驗(yàn)[D];電子科技大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 陳彥至;神經(jīng)網(wǎng)絡(luò)降維算法研究與應(yīng)用[D];華南理工大學(xué);2015年

2 蔡邦宇;人臉識(shí)別中單次ERP時(shí)空特征分析及其快速檢索的應(yīng)用[D];浙江大學(xué);2015年

3 鄭川;垃圾評(píng)論檢測(cè)算法的研究[D];西南交通大學(xué);2015年

4 汪濟(jì)民;基于卷積神經(jīng)網(wǎng)絡(luò)的人臉檢測(cè)和性別識(shí)別研究[D];南京理工大學(xué);2015年

5 彭玲玲;基于不確定理論與機(jī)器學(xué)習(xí)的行人檢測(cè)[D];長(zhǎng)安大學(xué);2015年

6 楊陳東;BP-Fisher判別分析法[D];長(zhǎng)安大學(xué);2015年

7 孟鑫;基于Hadoop云平臺(tái)下的客流量預(yù)測(cè)研究[D];長(zhǎng)安大學(xué);2015年

8 張勇;深度卷積神經(jīng)網(wǎng)絡(luò)在車牌和人臉檢測(cè)領(lǐng)域的應(yīng)用研究[D];鄭州大學(xué);2015年

9 宋璐璐;財(cái)經(jīng)職業(yè)技術(shù)學(xué)院票務(wù)管理系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];西安工業(yè)大學(xué);2015年

10 陳銳浩;基于神經(jīng)網(wǎng)絡(luò)的口令屬性分析工具開發(fā)[D];上海交通大學(xué);2015年

，

本文編號(hào)：1532784