基于线性约束最小二乘法的神经动力学图像融合的研究

发布时间：2021-10-31 20:49

　　20世纪70年代以来,随着在军事、国防、航空和其他高新科技领域的广泛应用,多传感器数据融合已经成为一个热门的前沿研究方向。多传感器数据融合技术是指在原始信息不确定的情况下,将多个传感器在不同时间内测量的数据进行联合、关联、组合,从而获得更加全面、可靠的数据信息。其主要特点是融合不同来源的互补信息,提高融合性能,因此在图像去噪中有着重要的作用。随着人工神经网络的发展,神经网络在并行计算以及大规模数据处理方面表现出了极大的优越性,多传感器图像信息融合技术也因此得到了快速发展。本文主要研究了一种基于线性约束最小二乘法（LCLS）的神经动力学方法,这种方法能够很好的提高图像融合质量,提升图像去噪能力。基于LCLS模型的神经动力学方法不仅能解决噪声协方差信息未知条件下的图像融合问题,还能够克服噪声协方差矩阵的奇异性等缺点。基于LCLS模型的图像融合基本思想是通过最小化观测数据与实际数据之间的误差平方函数,获得彩色图像R、G、B通道中的最优权重系数,再将传感器采集到的图像信息乘以权重系数,经过线性加权得到各自通道下的融合图像,最终合成三通道的融合信息得到去噪后的图像。为了获取各个通道下的最优权重系... 

【文章来源】：西南大学重庆市 211工程院校 教育部直属院校

【文章页数】：58 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 多传感器数据融合的研究
        1.2.2 神经网络算法的研究
    1.3 论文结构及主要研究内容
第二章 多传感器信息融合及图像噪声分类
    2.1 多传感器图像信息融合的概念
    2.2 多传感器图像信息融合的级别
    2.3 常见图像融合方法
    2.4 图像噪声及其分类
        2.4.1 按产生的原因分类
        2.4.2 按统计特性分类
        2.4.3 按噪声频谱分类
        2.4.4 按噪声和信号关系分类
        2.4.5 按概率密度分类
    2.5 本章小结
第三章 基于LCLS设计的图像融合模型和神经网络算法
    3.1 引言
    3.2 预备知识
    3.3 基于LCLS设计的图像融合模型
    3.4 基于连续时间神经动力学融合算法设计及理论分析
    3.5 神经网络算法收敛性分析
    3.6 本章小结
第四章 实验结果与分析
    4.1 图像噪声去除的评价标准
    4.2 主观评价
    4.3 客观评价
        4.3.1 神经动力学方法瞬态行为
        4.3.2 图像融合效果评价
    4.4 本章小结
第五章 总结与展望
    5.1 全文工作总结
    5.2 展望
参考文献
致谢
攻读硕士期间已发表的论文
攻读硕士期间参加的科研项目



本文编号：3468829