[发明专利]一种基于PSO-NSCT的多传感器图像融合方法在审
| 申请号： | 201810639133.1 | 申请日： | 2018-06-20 |
| 公开（公告）号： | CN109063729A | 公开（公告）日： | 2018-12-21 |
| 发明（设计）人： | 彭道刚;王岚青;赵晨洋;陈跃伟;夏飞;彭盖伦 | 申请（专利权）人： | 上海电力学院 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/00;G06Q50/06;G07C1/20 |
| 代理公司： | 上海科盛知识产权代理有限公司 31225 | 代理人： | 翁惠瑜 |
| 地址： | 200090 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于PSO‑NSCT的多传感器图像融合方法，利用被动聚集的粒子群优化算法来优化NSCT的高频子带融合参数模型，包括以下步骤，先由NSCT对可见光与红外图像进行融合，NSP对源图像进行多尺度分解，得到各个层次高、低频子带图像；将高频子带图像传递给NSDFB，实现对该图像的多方向分解，融合图像各个层次的低频子带系数采用基于区域相似度的融合规则加权求得；以MI、QAB/F指标为改进PSO的适应度函数的最优约束，计算出高频子带系数融合的最优权值；通过NSCT逆变换得到多传感器图像的融合结果。本方法与传统融合算法相比，本发明的融合结果具有较高的对比度、细节保持度和融合精度，具有一定的应用价值。 | ||
| 搜索关键词： | 融合 多传感器图像 粒子群优化算法 低频子带图像 低频子带系数 高频子带图像 高频子带系数 多尺度分解 多方向分解 区域相似度 适应度函数 可见光 参数模型 高频子带 红外图像 融合算法 融合图像 源图像 优权 加权 图像 传递 应用 优化 改进 | ||
【主权项】：
1.一种基于PSO‑NSCT的多传感器图像融合方法，其特征在于，利用被动聚集的改进粒子群算法优化NSCT的高频子带融合参数模型，包括以下具体步骤：a、对每个传感器的源图像进行NSCT分解，分别得到一个低频子带图像和多个高频子带图像；b、基于区域相似度原则对所有低频子带图像进行融合；基于经改进粒子群算法优化的高频子带融合参数模型对所有高频子带图像进行融合；c、对融合后的低频子带图像和高频子带图像进行相应层次和方向上的NSCT逆变换，得到融合图像。
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上海电力学院，未经上海电力学院许可，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/201810639133.1/，转载请声明来源钻瓜专利网。
- 上一篇：一种火灾图像深度学习模式识别方法
- 下一篇：一种凸规划聚类水污染溯源方法
