知识卡片
蜂群搜索融合高频权重
多聚焦图像是对同一场景、对焦位置不同的几幅图,每幅只有部分区域清晰。一种融合方案先用 NSCT(非下采样 Contourlet 变换)分解源图像:低频系数描述整体亮度和轮廓,高频系数描述边缘、纹理等细节;原书称 NSCT 具有方向性、各向异性和平移不变性。
低频系数直接取平均;高频系数需要决定各源图像所占比例,即“融合配比权重”。每只蜜蜂表示一组权重,融合后的综合性能指标充当适应度。ABC 迭代搜索权重,随后逆变换生成融合图。关键是让优化算法选择高频融合参数,效果仍取决于指标定义、图像配准与对照实验;原文未给指标公式。
结构图:
flowchart TD
A[配准后的多源图像] --> B[NSCT分解]
B --> C[低频系数取平均]
B --> D[高频系数设置配比权重]
D --> E[ABC搜索权重]
E --> F[以融合性能指标评价]
F --> G[选定权重]
C --> H[逆变换生成融合图]
G --> H
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 7 . 4 . 3 基 于 人 工 蜂 群 算 法 的 图 像 融 合 · 查看原书依据
该方法对图像进行NSCT分解后的不同频率采用不同的融合规则,低频部分用平均法,高频部分的融合参数则通过ABC算法确定,然后进行逆变换得到融合后的图像。实验结果显示,该方法充分利用了NSCT变换和ABC算法的优点,融合图像的综合性能优于传统的金字塔等多种融合方法,具有一定的理论意义和实用价值。
参考来源
- 位置:《智能算法导论》第 7 章《基于人工蜂群算法的图像融合》(源文件:_epub-src/EPUB/xhtml/chapter7_0009.xhtml;文献[42]示例)
- 结论依据:本节明确列出 NSCT 分解、低频平均、高频权重由 ABC 搜索、综合性能作为适应度以及逆变换;图只整理这些步骤。
- 原始内容:低频部分用平均法,高频部分的融合参数则通过ABC算法确定,然后进行逆变换得到融合后的图像。