论文题目: 基于集成计算智能的图像信息融合技术研究
论文类型: 博士论文
论文专业: 通信与信息系统
作者: 魏建明
关键词: 图像融合,计算智能,神经模糊系统,模糊粗集,模糊神经网络,小波神经网络,粗神经网络,医学图像处理
文献来源: 上海大学
发表年度: 2005
论文摘要: 智能图像处理技术是图像处理智能化发展的必然趋势,将能更好地满足人类的信息处理需求。而集成计算智能和图像融合是这一领域中的两项新兴技术。本文在上海市科委重大科研项目(No.03DZ19709)的资助下,对国内外集成计算智能和图像融合的研究现状及发展态势做了全面深入的调研和分析,确立了基于集成计算智能的图像信息融合技术的研究方向,提出了一些新的思想、方法和途径。 一、构造了神经模糊去噪系统。通过对正负噪声信号的自适应聚类修正,最终达到去噪的目的。该方法克服了传统滤波器不能同时去除正负脉冲噪声的弊端,具有良好的适应性和鲁棒性。 二、提出了边缘提取的新思路。基于图像边缘信息模糊性和不可分辨性的实际情况,利用模糊粗集理论处理近似信息的优势,推导了图像边缘信息的模糊粗集定义,最终实现了非刚性图像的边缘提取,从而拓宽了模糊粗集理论的应用范围,也展示了边缘提取的新途径。 三、提出了基于模糊神经网络的图像信息融合方法。针对含噪图像信息的模糊性,构造了用于含噪图像融合的模糊神经网络模型,对含噪图像像素进行了自竞争的模糊聚类,既处理了含噪图像的精确信息,又处理了含噪图像的模糊信息。对比实验及分析显示了该方法优于神经网络法。最后,对实际含噪图像的融合处理,也进一步证明了该方法的实用性和有效性。 四、提出了基于小波神经网络的图像融合方法,实现了信息互补型图像的特征融合。通过构造具有良好的分类和图像识别性能的小波神经网络模型,在网络内部实现能量特征的提取、输入及分类,最终达到了特征融合。实验过程中,通过对小波变换和小波包两种方式的分析与对比,得出了与理论相吻合的结论,即通过小波包法提取图像的特征能取得更好的最终结果。该融合方法体现了一种新的图像融合思想。 五、提出了基于粗神经网络的图像融合方法,从图像信息的近似性及不可分辨性出发,利用粗神经元,实现了三类图像的像素级融合:(1) 不同波段的卫星
论文目录:
中文摘要与关键词
英文摘要与关键词
常用符号及术语缩略表
目录
第一章 绪论
第一节 课题的背景和研究的意义
1．1．1 图像信息融合概述
1．1．1．1 图像融合的概念
1．1．1．2 图像融合的基础理论和方法
1．1．1．3 图像融合的效果评价
1．1．2 图像信息融合的研究现状
1．1．3 集成计算智能分析
1．1．3．1 计算智能
1．1．3．2 集成计算智能的研究现状
1．1．4 基于集成计算智能的图像信息融合分析
1．1．5 基于集成计算智能的图像信息融合技术在医学中的应用
1．1．5．1 医学图像信息融合的研究现状
1．1．5．2 基于集成计算智能的医学图像信息融合分析
第二节 论文的研究内容与创新点
1．2．1 本文的主要研究内容
1．2．2 本文的主要创新点
第二章 基于集成计算智能的图像信息融合预处理
第一节 基于神经模糊理论的图像去噪
2．1．1 引言
2．1．2 常规脉冲噪声去除法
2．1．3 神经模糊去噪法
2．1．3．1 去噪算法
2．1．3．2 实验
2．1．3．3 结果讨论
第二节 基于模糊粗集理论的图像边缘提取
2．2．1 模糊粗集的基本理论
2．2．2 基于模糊粗集的图像边界计算原理
2．2．3 实验与结果
第三节 本章小结
第三章 基于模糊神经网络的图像信息融合
第一节 模糊神经网络的基本理论
3．1．1 模糊神经网络的定义与分类
3．1．1．1 定义
3．1．1．2 分类
3．1．2 模糊神经网络的结构与学习算法
3．1．2．1 模糊神经网络的结构
3．1．2．2 模糊神经网络的学习算法
3．1．3 模糊神经网络的训练
第二节 模糊神经网络信息融合理论
3．2．1 模糊神经网络信息融合原理
3．2．2 模糊神经网络信息融合关键技术
第二节 基于模糊神经网络的图像信息融合
3．3．1 问题的提出
3．3．2 用于图像融合的模糊神经网络
3．3．2．1 用于图像融合的模糊神经网络结构
3．3．2．2 用于图像融合的模糊神经网络学习算法
3．3．2．3 用于图像融合的模糊神经网络仿真
3．3．3 图像融合
3．3．3．1 融合方法
3．3．3．2 实验与结果分析
第四节 本章小结
第四章 基于小波神经网络的图像信息融合
第一节 小波神经网络
4．1．1 小波神经网络的数学基础
4．1．2 小波神经网络的模型
4．1．3 小波神经网络的学习算法
第二节 基于小波神经网络的图像信息融合
4．2．1 小波分解及小波包分解
4．2．1．1 小波分解
4．2．1．2 小波包分解
4．2．2 特征向量的计算
4．2．3 融合方案
4．2．4 实验结果与对比分析
第三节 本章小结
第五章 基于粗神经网络的图像信息融合
第一节 粗神经网络
5．1．1 粗神经网络的结构
5．1．2 粗神经网络的学习算法
第二节 基于粗神经网络的图像信息融合
5．2．1 用于图像融合的粗神经网络结构
5．2．2 用于图像融合的粗神经网络学习算法
5．2．3 图像融合实验与结果分析
第三节 本章小结
第六章 总结与展望
第一节 本文研究总结
第二节 本文研究展望
参考文献
攻读博士学位期间发表的论文
致谢
发布时间: 2005-09-16
参考文献
- [1].计算智能及其在多用户检测中的应用研究[D]. 唐普英.电子科技大学2002
- [2].基于计算智能的偏振模色散自适应补偿技术研究[D]. 池越.河北工业大学2011
相关论文
- [1].多传感器图像融合方法研究[D]. 刘贵喜.西安电子科技大学2001
- [2].多传感器图象信息融合方法与应用研究[D]. 李树涛.湖南大学2001
- [3].基于信息融合的遥感图像处理方法研究[D]. 刘哲.西北工业大学2002
- [4].多传感器组合导航系统信息融合技术研究[D]. 肖乾.哈尔滨工程大学2005
- [5].多源图像融合方法研究[D]. 佘二永.国防科学技术大学2005
- [6].遥感图像的融合及应用[D]. 强赞霞.华中科技大学2005
- [7].像素级图像融合方法研究与应用[D]. 李玲玲.华中科技大学2005
- [8].基于信息融合的图像理解方法研究[D]. 胡良梅.合肥工业大学2006
- [9].像素级图像融合方法及应用研究[D]. 李伟.华南理工大学2006
- [10].多传感器图像融合算法研究[D]. 李晖晖.西北工业大学2006
标签：图像融合论文; 计算智能论文; 神经模糊系统论文; 模糊粗集论文; 模糊神经网络论文; 小波神经网络论文; 粗神经网络论文; 医学图像处理论文;