作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为改善传统图像融合方法对细节信息的丢失,提出了一种基于遗传粒子群算法(genetic algorithm of particle swam optimization,GAPSO)的图像融合方法,该算法应用于像素级的图像融合,使图像融合问题归结为最优化问题.该算法结合遗传算法和粒子群算法的优点,对标准粒子群算法进行了改进,将交叉与变异算子引入到标准粒子群算法,提高了该算法的收敛性能和全局求解能力.实验结果表明,该算法获得的评价指标都优于遗传算法和PSO算法,且融合图像较好地从源图像中提取了有用信息,提高了融合质量.
推荐文章
粒子群与遗传算法的混合算法
离散旅行商问题
遗传算法
粒子群算法
自适应
启发策略
基于人工鱼群与粒子群融合算法的 WMSN 覆盖优化研究
无线多媒体传感器网络
覆盖优化
粒子群算法
人工鱼群算法
基于遗传粒子群融合算法的泵站经济运行研究
高港泵站
遗传算法
粒子群算法
融合算法
基于粒子群优化的图像边缘融合算法
粒子群优化
边缘相关性
图像融合
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于遗传粒子群的图像融合算法及应用
来源期刊 徐州师范大学学报(自然科学版) 学科 工学
关键词 遗传粒子群算法 像素 图像融合
年,卷(期) 2010,(1) 所属期刊栏目 专题研究
研究方向 页码范围 55-58
页数 分类号 TP391
字数 3205字 语种 中文
DOI 10.3969/j.issn.1007-6573.2010.01.014
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 彭圣华 盐城师范学院信息科学与技术学院 6 7 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (22)
共引文献  (49)
参考文献  (5)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(1)
  • 二级参考文献(0)
1997(3)
  • 参考文献(0)
  • 二级参考文献(3)
1999(5)
  • 参考文献(0)
  • 二级参考文献(5)
2000(4)
  • 参考文献(0)
  • 二级参考文献(4)
2001(5)
  • 参考文献(0)
  • 二级参考文献(5)
2003(2)
  • 参考文献(1)
  • 二级参考文献(1)
2004(4)
  • 参考文献(1)
  • 二级参考文献(3)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
遗传粒子群算法
像素
图像融合
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
江苏师范大学学报(自然科学版)
季刊
2095-4298
32-1834/N
大16开
江苏省徐州市解放南路 江苏师范大学奎园校区
1983
chi
出版文献量(篇)
1661
总下载数(次)
1
总被引数(次)
5519
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导