[发明专利]基于自我监督学习的图像融合方法有效
| 申请号： | 201710545757.2 | 申请日： | 2017-07-06 |
| 公开（公告）号： | CN107369147B | 公开（公告）日： | 2020-12-25 |
| 发明（设计）人： | 陈莹;余南南 | 申请（专利权）人： | 江苏师范大学 |
| 主分类号： | G06T5/50 | 分类号： | G06T5/50;G06K9/46 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 221116 江苏*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于自我监督学习的图像融合方法，涉及图像融合技术领域。本方法具体步骤如下：1)获取原图像；2)对原图像的预处理操作，将两幅原图像进行分块，编纂成新的矩阵，再按列组成联合矩阵；3)特征提取，将步骤2)中得到的联合矩阵作为输入信号输入到稀疏自编码器中，得到两幅图像简单合并后的边缘特征信息，得到的隐藏层的权值，该权值体现了待融合图像的显著特征，将此看做一个权值矩阵，4)图像的重构,步骤3)得到的权值矩阵作为字典，再通过匹配追踪算法得到原始图像各自的稀疏系数矩阵，在图像重构中，利用最大化选择算法得到联合稀疏系数矩阵，最终的重构图像由字典与联合稀疏系数矩阵相乘得到。 | ||
| 搜索关键词： | 基于 自我 监督 学习 图像 融合 方法 | ||
【主权项】：
一种基于自我监督学习的图像融合方法，其特征在于:1)获取原图像；2)对原图像的预处理操作，将两幅原图像进行分块，编纂成新的矩阵，再按列组成联合矩阵；3)特征提取，将步骤2)中得到的联合矩阵作为输入信号输入到稀疏自编码器中，得到两幅图像简单合并后的边缘特征信息，得到的隐藏层的权值，该权值体现了待融合图像的显著特征，将此看做一个权值矩阵，4)图像的重构,步骤3)得到的权值矩阵作为字典，再通过匹配追踪算法得到原始图像各自的稀疏系数矩阵，在图像重构中，利用最大化选择算法得到联合稀疏系数矩阵，最终的重构图像由字典与联合稀疏系数矩阵相乘得到。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于江苏师范大学，未经江苏师范大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710545757.2/，转载请声明来源钻瓜专利网。
- 上一篇：一种COD消解器
- 下一篇：一种全自动土壤消解仪
