-
题名基于FGF与VGGNet19的红外可见光图像融合
被引量：1
- 1
-
-
作者
杨艳春
闫岩
王可
-
机构
兰州交通大学电子与信息工程学院
-
出处
《激光与红外》
CAS
CSCD
北大核心
2023年第12期1921-1927,共7页
-
基金
长江学者和创新团队发展计划资助项目(No.IRT_16R36)
国家自然科学基金(No.62067006)
+6 种基金
甘肃省科技计划项目(No.18JR3RA104)
甘肃省高等学校产业支撑计划项目(No.2020C-19)
兰州市科技计划项目(No.2019-4-49)
甘肃省教育厅:青年博士基金项目(No.2022QB-067)
甘肃省自然科学基金项目(No.21JR7RA300)
兰州交通大学天佑创新团队项目(No.TY202003)
兰州交通大学-天津大学联合创新基金项目(No.2021052)资助。
-
文摘
针对红外与可见光图像融合中出现红外目标不够突出以及边缘模糊等问题,本文提出了一种基于FGF(快速引导滤波)和VGGNet19的红外与可见光图像融合方法。首先,通过FGF将源图像进行双尺度分解;然后,利用VGGNet19网络得到初步融合权重图;其次,利用OTSU(最大类间方差法)来提取初步融合权重图的前景与背景,进行二值化;然后,对得到的二值图像使用FGF得到最终融合权重图;最后,相加再经过FGF和图像增强实现图像融合。实验结果表明,本文方法能够有效保留显著热目标,边缘细节清晰,在主观评价以及客观评价指标中均取得了更好的效果。
-
关键词
图像融合
快速引导滤波
vggnet19
OTSU
红外与可见光图像
-
Keywords
image fusion
fast guided filter
vggnet19
OTSU
infrared and visible images
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
TN219
[电子电信—物理电子学]
-
-
题名基于变换域VGGNet19的红外与可见光图像融合
被引量：9
- 2
-
-
作者
李永萍
杨艳春
党建武
王阳萍
-
机构
兰州交通大学电子与信息工程学院
-
出处
《红外技术》
CSCD
北大核心
2022年第12期1293-1300,共8页
-
基金
长江学者和创新团队发展计划资助(IRT_16R36)
国家自然科学基金(62067006)
+6 种基金
甘肃省科技计划项目(18JR3RA104)
甘肃省高等学校产业支撑计划项目(2020C-19)
兰州市科技计划项目(2019-4-49)
甘肃省教育厅:青年博士基金项目2022QB-067
甘肃省自然科学基金(21JR7RA300)
兰州交通大学天佑创新团队(TY202003)
兰州交通大学-天津大学联合创新基金项目(2021052)。
-
文摘
针对红外与可见光图像融合中出现细节信息丢失及边缘模糊的问题,提出一种在变换域中通过VGGNet19网络的红外与可见光图像融合方法。首先,为了使得源图像在分解过程中提取到精度更高的基础与细节信息,将源图像利用具有保边平滑功能的多尺度引导滤波器进行分解,分解为一个基础层与多个细节层;然后,采用具有保留主要能量信息特点的拉普拉斯能量对基础层进行融合得到基础融合图;其次,为了防止融合结果丢失一些细节边缘信息,采用VGGNet19网络对细节层进行特征提取,L1正则化、上采样以及最终的加权平均策略得到融合后的细节部分;最后,通过两种融合图的相加即可得最终的融合结果。实验结果表明,本文方法更好地提取了源图像中的边缘及细节信息,在主观评价以及客观评价指标中均取得了更好的效果。
-
关键词
图像融合
引导滤波
vggnet19
拉普拉斯能量
红外与可见光图像
-
Keywords
image fusion
guided filter
vggnet19
Laplacian energy
infrared and visible image
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于迁移学习的癌组织图像细胞核分割算法
- 3
-
-
作者
胡志敏
陈小辉
-
机构
三峡大学计算机与信息学院
-
出处
《长江信息通信》
2022年第12期31-34,共4页
-
文摘
医学图像分割是将图像中所关注的区域分割出来,以帮助医生诊断治疗。目前,深度学习技术已被广泛应用于医学图像分割[1]。文章的网络模型Grnet利用迁移学习方法,将VGGNet19-1结构与改进后的残差块结构resdiual-block1组合,构建了一个新的病理图像细胞核分割网络。最后得出Grnet在MoNuSeg测试集上的平均dice系数为74.86%,在TNBC数据集上的平均dice系数为74.74%,而Unet网络在MoNuSeg测试集上的平均dice系数为72.83%,在TNBC数据集上的平均dice系数为60.51%。实验结果表明,该网络的细胞核分割效果更好,充分验证了算法的有效性。
-
关键词
细胞核分割
迁移学习
vggnet19
残差块
-
Keywords
nucleus segmentation
transfer learning
vggnet19
residual blocks
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
