TIM 2025 | 基于稀疏表示和自适应双通道PCNN模型的红外与可见光图像融合——基于共现分析剪切波变换

最新推荐文章于 2025-04-25 21:53:23 发布
最新推荐文章于 2025-04-25 21:53:23 发布
阅读量25 收藏
点赞数
分类专栏： 计算机顶会顶刊论文解读 文章标签： 深度学习 论文解读 TIM 计算机顶刊
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_42722197/article/details/145403238
版权

论文信息

题目：Infrared and Visible Image Fusion via Sparse Representation and Adaptive Dual-Channel PCNN Model Based on Co-Occurrence Analysis Shearlet Transform
基于稀疏表示和自适应双通道PCNN模型的红外与可见光图像融合——基于共现分析剪切波变换
作者：Biao Qi, Qiang Li, Yu Zhang, Qinglei Zhao, Bingxiang Qiao, Junxia Shi, Zengming Lv, Guoning Li

论文创新点

  1. 共现分析剪切波变换（CAST）： 本文提出了一种新的图像分解策略——共现分析剪切波变换（CAST）
了解本专栏 订阅专栏 解锁全文
基于Curvelet变换与自适应PCNN的红外与可见光图像融合 (2011年)
05-13
根据红外与可见光图像的成像特点，提出一种基于Curvelet变换与自适应PCNN（PulseCoupled NeuralNetworks）的图像融合新算法。首先对两幅原始图像进行快速离散Curvelet变换，得到不同尺度与方向下的子带系数；对低频...
【图像融合】基于matlab非下采样剪切波算法NSST红外与可见光图像融合（灰度图像）【含Matlab源码 4231期】.md
10-13
而基于模型级的融合则是将多幅图像的信息进行建模和优化，常用的模型包括小波变换、多尺度分析和深度学习等。 图像融合技术在多个领域有着广泛的应用。例如，红外与可见光图像融合可以提高目标检测和识别的性能，在...
TIM 2025 | 基于稀疏表示和自适应双通道PCNN模型的红外与可见光图像融合
m0_59235699的博客
03-28 786
图像融合的原理是将异构图像中的互补信息进行整合，以获得更符合人眼视觉效果的融合图像。然而，大多数分解方法无法区分图像中的纹理和边缘，容易在边缘周围产生光晕伪影。本文提出了一种新的图像分解策略——共现分析剪切波变换（CAST），根据共现统计信息对输入图像进行预处理，生成基础层和细节层分量。为了提高基础层的稀疏性，引入了测量域中的分类稀疏字典，以增强对错误配准的鲁棒性。
基于深度学习的红外与可见光图像融合算法研究
qq_44929893的博客
10-29 2922
图像融合技术主要分为两种，一是多源图像融合技术，旨在将多种类型的传感器图像或不同光谱的图像进行融合，二是将不同时刻下的同源图像进行融合[3]。本文主要针对多源图像融合技术展开研究工作。 本文主要研究红外与可见光图像的融合技术，这是多源图像融合领域的热点和重要研究方向之一，其旨在将红外图像中的高亮目标信息和可见光图像的高分辨率场景纹理信息进行有效合理的融合，从而获得对场景信息更为准确全面的描述。 多源图像融合技术便是将不同成像机理的图像传感器对同一场景同一时间捕获的图像融合成一张图像，一来可以去除多幅图像
【图像融合】非下采样剪切波算法NSST红外与可见光图像融合（灰度图像）【含Matlab源码 4231期】
订阅付费专栏Matlab（奶茶价版），可赠送奶茶价版付费专栏指定代码1份；
04-08 1636
非下采样剪切波算法NSST红外与可见光图像融合（灰度图像） 完整的代码，方可运行；可提供运行操作视频！适合小白！
【图像融合】基于matlab非下采样剪切波算法NSST红外与可见光图像融合（灰度图像）【含Matlab源码 4231期】
订阅付费专栏Matlab（奶茶价版），可赠送奶茶价版付费专栏指定代码1份；
04-08 1088
非下采样剪切波算法NSST红外与可见光图像融合（灰度图像） 完整的代码，方可运行；可提供运行操作视频！适合小白！
【MATLAB图像融合】[18]双通道PCNN模型实现图像融合
suda5395的博客
07-01 3940
引言 简单回顾一下以往的单通道PCNN模型，原理与实现步骤： 13、单通道PCNN原理 14、单通道PCNN融合代码实现 双通道PCNN其原理与单通道其实类似，我们在使用单通道PCNN进行图像融合时，需要对两幅图像分别进行PCNN的点火，得到点火图之后通常根据极大值原则便确立融合决策图。此时我们的PCNN模型需要独立运行两次–PCNN本身就是迭代计算的，所以运行2次会产生较大的计算开销，这是第一点。第二点就是两个PCNN各自点各自的火，耦合性质只体现在每幅图像内部像素点之间，而图像之间并不存在耦合性。 说了
【浅读论文-红外和可见光图像融合-综述】Infrared and visible image fusion methods and applications: A survey（上）
一枚博鼠的博客
11-23 7631
这是2019年提出的论文综述1,主要对早期的传统融合方法和应用做综述，简要回顾一下。📖论文地址文章首先详细综述了红外和可见光图像的融合方法。同时，简要介绍了图像配准作为图像融合的前提条件。其次，概述了红外和可见光图像融合的主要应用。第三，对图像融合性能的评价指标进行了讨论和总结。第四，选取18种具有代表性的方法和9个评价指标进行定性和定量实验，为不同融合方法提供客观的性能参考，从而为相关工程提供可信、确凿的证据支持。最后，总结了红外和可见光图像融合的现状，并对未来的工作进行了深入的讨论和展望。
【图像融合】可见光与红外图像融合方法和评价指标
热门推荐
qq_41502322的博客
09-24 1万+
本文是对多传感器数据融合中可见光图像和红外图像的融合方法的分类和整理。
高创新 | Matlab实现GAF-PCNN-MATT格拉姆角场和双通道卷积网络融合多头注意力机制多特征分类预测
机器学习之心的博客，关注并私信文章链接，获取对应文章源码和数据。
02-22 1913
高创新 | Matlab实现GAF-PCNN-MATT格拉姆角场和双通道卷积网络融合多头注意力机制多特征分类预测
【图像融合】基于脉冲耦合神经网络PCNN实现红外光强与偏振图像图像融合附Matlab代码
Matlab_dashi的博客
05-10 679
红外光强图像和偏振图像可以提供互补的信息，将两者融合可以获得更丰富的信息，提高图像的质量。本文提出了一种基于脉冲耦合神经网络(PCNN)的红外光强与偏振图像图像融合方法。该方法利用PCNN的局部连接和迭代计算特性，有效地提取图像的特征信息，并通过融合规则将光强图像和偏振图像的信息进行融合。实验结果表明，该方法可以有效地提高图像的对比度和清晰度，并保留图像的细节信息。
论文研究-基于特征的多层次红外与可见光图像融合方法.pdf
07-22
目前基于融合的方法能够改善红外图像的视觉效果，但局限于简单的直接融合，忽略了背景等因素所含噪声的影响及各部分细节信息。对此做了进一步研究工作，改进了现有方法的融合规则，提出先将目标从背景中提取出来再以...
基于提升小波变换和自适应PCNN的医学图像融合方法
03-05
### 基于提升小波变换和自适应PCNN的医学图像融合方法 #### 概述 医学图像融合是将不同成像模式下获取的同一解剖部位的多个图像组合成一个图像的过程，目的是增强图像信息，提高图像的诊断价值。本文介绍了一种...
深度学习之卷积神经网络入门
最新发布
2201_75345884的博客
04-25 572
loss_fn=nn.CrossEntropyLoss() #创建交叉熵损失函数对象，因为手写字识别中一共有10个数字，输出会有10个结果optimizer=torch.optim.Adam(model.parameters(),lr=0.01) #创建一个优化器# #params:要训练的参数，一般我们传入的都是model.parameters()# lr:learning_rate学习率，也就是步长是交叉熵损失函数，适用于多分类任务，用于计算模型预测结果与真实标签之间的差距。
基于深度学习Yolo8的驾驶员疲劳与分心行为检测系统
XiaoCoder的博客
04-23 232
③：技术栈：Python、PySide6、OpenCV、YOLOv8、Matplotlib、NumPy。②：开发环境：Python3.8+、PyCharm/VSCode。①：疲劳检测：眨眼频率监测、哈欠检测、Perclos模型评分。②：分心行为识别：手机使用检测、抽烟行为检测、喝水行为检测。④：数据统计：行为数据可视化、疲劳指标统计、数据导出功能。①：系统环境：Windows/Mac/Linux。③：实时监控：摄像头实时画面显示、状态实时更新。【三】疲劳检测模型与行为分析统计。
深度学习--自然语言处理统计语言与神经语言模型
m0_65065095的博客
04-25 1132
传统的语言模型是基于词袋模型（Bag-of-Words）和one-hot编码展开工作的，即在传统的语言模型中要生成一个句子，其实是拿一堆词语进行拼凑，拼凑出一个句子后我们需要有一个评委来对这个机器生成的句子进行打分和评价，语言模型就是这么一位评委，它会给每个句子打出一个概率值，以表明他们与人类语言的接近程度。
2025-04-22 李沐深度学习5 —— 线性回归
zheliku的博客
04-22 1332
​ 在美国买房时，买家需根据房屋信息（如卧室数量、卫生间数量、面积等）预测合理的成交价。输入数据：房屋特征（如X1=卧室数X2=卫生间数X3=面积输出目标：预测成交价Y。实际挑战：卖家的标价和网站估价（如Redfin）仅为参考，最终需通过竞价决定成交价，因此准确预测至关重要。​ 计算输入特征X\mathbf{X}X和模型权重w\mathbf{w}w的矩阵-向量乘法后加上偏置bbb。​ 注意，上面的XwXw是一个向量，而bbb是一个标量。
卷积神经网络基础（四）
qq_52889317的博客
04-22 1106
今天我们继续学习各个激活函数层的实现过程。
TM2SP-Net阅读
qq_49130177的博客
04-22 463
TCSVT 2025。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

小白学视觉

您的赞赏是我们坚持下去的动力~

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值