基于深度学习的紫外成像仪的图像配准与融合.pdf

此“医疗卫生”领域文档为创作者个人分享资料，不作为权威性指导和指引，仅供参考

1、本文档共8页，可阅读全部内容。
2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。

第40卷第9期计算机仿真2023年9月

文章编号：1006-9348（2023)09-0151-07

基于深度学习的紫外成像仪的图像配准与融合

崔宝京，程晓荣

（华北电力大学控制与计算机工程学院，河北保定071003)

摘要：由于在高灵敏紫外成像仪中紫外光与可见光成像原理存在一定差异，现有的方法配准精度不高，融合效果不理想。针

对以上问题，提出了一种基于AlexNet网络与果蝇优化算法（Fruitflyoptimizationalgorithm，FOA）小波融合的紫外光与可见

光的图像的配准融合算法。首先，对预训练的AlexNet网络的权值阈值进行微调，利用AlexNet网络对图像进行各层次的特

征提取，配合空间变换矩阵，实现紫外光与可见光的高精度配准。其次，将配准后的紫外光与可见光图像输入到FOA优化

后的小波算法模型中实现融合。仿真结果显示，所提方法配准精度远远高于工业要求且收敛速度快，融合图像的信息

较高。

关键词：神经网络；紫外成像仪；果蝇优化算法；小波融合；图像配准

中图分类号：TP391.9文献标识码：B

ImageRegistrationandFusionofUltravioletImager

BasedonDeepLearning

CUIBao-jing,CHENGXiao-rong

(SchoolofControlandComputerEngineering,NorthChinaElectricPowerUniversity,

BaodingHebei071003,China)

ABSTRACT:Inviewofthedifferencesbetweentheimagingprinciplesofultravioletandvisiblelight,theexisting

methodshavelowregistrationaccuracyandunsatisfactoryfusioneffect.Animageregistrationfusionalgorithmofultra-

violetandvisiblelightisproposedbasedontheAlexNetnetworkandFruitFlyOptimizationalgorithm(FOA)wave-

let.Firstly,thepre-trainedAlexNetnetworkweightthresholdisfine-tuned,theAlexNetnetworkisusedtoextract

featuresatalllevelsoftheimage,andthespatialtransformationmatrixisusedtoachievehigh-precisionregistration

ofultravioletandvisiblelight.Secondly,theregisteredUVandvisiblelightimagesareinputintotheFOA-optimized

waveletalgorithmmodeltoachievefusion.Finally,thesimulationresultsshowthattheregistrationaccuracyofthis

methodismuchhigherthantheindustrialrequirement

安全评价师持证人

该用户很懒，什么也没介绍

咨询Ta 进入空间

领域认证该用户于2023年09月13日上传了安全评价师

更多 >