一种基于模糊径向基神经网络的图像融合方法

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (25): 48-50.

一种基于模糊径向基神经网络的图像融合方法

王阳萍¹，党建武¹，朱正平²

1．兰州交通大学电子与信息工程学院，兰州 730070
2．兰州城市学院计算机系，兰州 730070

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-09-01 发布日期:2007-09-01
通讯作者: 王阳萍

Image fusion approach based on fuzzy radial basis neural networks

WANG Yang-ping¹，DANG Jian-wu¹，ZHU Zheng-ping²

1．School of Electric & Information Engineering，Lanzhou Jiaotong University，Lanzhou 730070，China
2．Department of Computer Science，Lanzhou City University，Lanzhou 730070，China

Received:1900-01-01 Revised:1900-01-01 Online:2007-09-01 Published:2007-09-01
Contact: WANG Yang-ping

摘要/Abstract

摘要： 传统的基于区域特征图像融合方法的一个难点是各源图像最佳权值的分配问题。该文利用径向基神经网络与T-S模糊推理模型具有函数等价性的特点，设计了一种模糊推理神经网络实现基于区域特征的图像融合，并用遗传算法优化网络参数。该网络能够自适应地动态获取优化的图像融合权值参数。仿真实验表明该算法有效可行，通过与传统的基于区域特征的图像融合算法相比，融合性能得到明显改善。

关键词: 区域特征, 图像融合, 模糊推理, RBF神经网络, 遗传算法

Abstract:

Traditional image fusion method based on regional features faces a severe problem to get optimal weight of every image source.Radial Basis Function Neural Networks（RBFNN） is functionally equivalent to Takagi-Sugeno（T-S） fuzzy inference model.In the paper，a networks model based RBFNN has been designed to perform T-S fuzzy inference and genetic algorithm（GA） has been used to train the networks.The proposed approach can dynamically obtain optimal image fusion weights based on regional features，so as to optimize performance of image fusion.Simulation Experiments for image fusion prove the proposed approach far outperforms the traditional image fusion approach based on regional features.

Key words: regional features, image fusion, fuzzy inference, Radial Basis Function Neural Networks（RBFNN）, Genetic Algorithm（GA）

王阳萍¹，党建武¹，朱正平². 一种基于模糊径向基神经网络的图像融合方法[J]. 计算机工程与应用, 2007, 43(25): 48-50.

WANG Yang-ping¹，DANG Jian-wu¹，ZHU Zheng-ping². Image fusion approach based on fuzzy radial basis neural networks [J]. Computer Engineering and Applications, 2007, 43(25): 48-50.

[1]	董旭彬，赵清华. 改进Mask R-CNN在航空影像目标检测的研究应用[J]. 计算机工程与应用, 2021, 57(8): 133-144.
[2]	顾梅花，王苗苗，李立瑶，冯婧. 彩色图像多尺度融合灰度化算法[J]. 计算机工程与应用, 2021, 57(4): 209-215.
[3]	李昱奇，刘志乾，程凝怡，王莹莹，朱春丽. 多约束条件下无人机航迹规划[J]. 计算机工程与应用, 2021, 57(4): 225-230.
[4]	杨玮，吴莹莹，王婷. 子母式穿梭车仓储系统配置优化问题研究[J]. 计算机工程与应用, 2021, 57(4): 258-265.
[5]	李倩，蒋丽，梁昌勇. 基于模糊时间窗的多目标冷链配送优化[J]. 计算机工程与应用, 2021, 57(23): 255-262.
[6]	杜守信，毋涛. 双种群混合遗传算法的裁剪分床应用研究[J]. 计算机工程与应用, 2021, 57(22): 182-189.
[7]	王长城，周冬明，刘琰煜，谢诗冬. 无监督深度学习模型的多聚焦图像融合算法[J]. 计算机工程与应用, 2021, 57(21): 209-215.
[8]	曹立佳，刘洋. 制造车间自动导引车调度新进展[J]. 计算机工程与应用, 2021, 57(21): 59-67.
[9]	陈倩茹，李雅丽，许科全，刘铱龙，王淑琴. 自调优自适应遗传算法的WKNN特征选择方法[J]. 计算机工程与应用, 2021, 57(20): 164-171.
[10]	石宇强，田永政，张雨琦，石小秋. 运用含复杂网络结构的多种群遗传算法求解FJSP[J]. 计算机工程与应用, 2021, 57(2): 257-266.
[11]	代江涛，韩晓龙. 考虑作业状态能耗的集装箱码头设备协调调度[J]. 计算机工程与应用, 2021, 57(19): 290-298.
[12]	呼亚萍，孔韦韦，李萌，黄翠玲. 改进TV图像去噪模型的全景图像拼接算法[J]. 计算机工程与应用, 2021, 57(17): 203-209.
[13]	冯晓东，黄世荣，戴冠鸥，杨伟家，罗尧治. 天牛须遗传杂交算法的研究与应用[J]. 计算机工程与应用, 2021, 57(15): 90-100.
[14]	苏庆，林华智，黄剑锋，林志毅. 结合CNN和Catboost算法的恶意安卓应用检测模型[J]. 计算机工程与应用, 2021, 57(15): 140-146.
[15]	姜良重，雷航，李贞昊，钱伟中，施甘图. 采用自适应优化权重的出库货位优化方法研究[J]. 计算机工程与应用, 2021, 57(15): 271-278.