一種基于LCLS模型的神經網絡圖像融合算法的研究.pdf

1、信息融合是根據一定的融合規(guī)則，多方面地處理來自多個傳感器收集的數(shù)據信息，它研究的是如何有效地利用多傳感器收集的信息。單個傳感器獲得的信息通常是不完全的，多個傳感器獲得的數(shù)據、信息相互之間是獨立的、互補的。圖像信息融合技術是采用特定的算法，從傳感器采集的源圖像數(shù)據中把有效的信息提煉出來，融合后得到更加全面、更加清晰的源圖像，融合后的信息更便于機器的自動檢測和人眼的識別。
　　多傳感器圖像融合算法是一種消除圖像噪聲的關鍵技術，許多的信

2、號級圖像融合技術是基于統(tǒng)計方法的，雖然這些數(shù)據融合方法是非常有效的，但是也存在很多缺點，如最小方差估計法，這種方法需要先驗的協(xié)方差信息，因此，傳統(tǒng)的圖像融合處理方法已經不能滿足人們的需要。神經網絡的處理功能是通過神經元的相互連接作用來體現(xiàn)的，通過模擬單個神經元的功能和人腦的結構來模擬人的大腦。神經網絡計算方法表現(xiàn)出極大的優(yōu)越性，使得神經網絡計算方法在多傳感器圖像信息融合技術領域得到了廣泛的發(fā)展。
　　本文主要研究的是一種基于線性約

3、束最小平方（LCLS）模型的神經網絡圖像融合算法，這種神經網絡算法用于圖像融合能很好的提高圖像的質量，基于LCLS模型的神經網絡圖像融合算法結合了經典算法和現(xiàn)代算法的優(yōu)點，能克服傳統(tǒng)方法的噪聲協(xié)方差的奇異性等缺點。本文在傳統(tǒng)的神經網絡圖像融合算法的基礎上，提出了一種新的遞歸神經網絡算法。該圖像融合算法引用了線性約束最小平方模型，這種模型的基本思想是找到一組最優(yōu)的權系數(shù)，它與多傳感器獲得的數(shù)據信息的加權和就是我們求得的最優(yōu)融合圖像信息，使

4、求得的數(shù)據和實際數(shù)據之間的誤差平方和最小。
　　為了獲取一組最優(yōu)的權系數(shù)，本論文構建了一種遞歸神經網絡算法，在神經網絡算法中，引用了罰函數(shù)，更簡單有效的對線性條件進行約束，該算法引用了投影函數(shù)，并證明了投影神經網絡能收斂于穩(wěn)定的最優(yōu)解，所以本論文提出的算法也能收斂于穩(wěn)定的最優(yōu)解。采用的投影函數(shù)使得該算法易于硬件電路的實現(xiàn)，使得圖像融合算法結構更簡單，能夠快速收斂于最優(yōu)融合方案，使用Matlab對噪聲彩色圖像進行處理，圖像的融合結果