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:
为了使融合后的多传感器图像获得更多的光谱信息、提高清晰度、降低数据冗余度,提出了一种基于蚁群算法的多传感器图像融合方法.对低分辨率图像上的蚁群以相位一致性作为启发信息,高分辨率图像中的蚁群以梯度强度作为启发信息,两个蚁群通过共享的信息素矩阵实现协作,根据信息素矩阵提取图像特征.算法采用区域能量的加权自适应融合规则确定低频系数,结合蚁群算法提取的边缘特征融合来指导高频系数融合.融合结果表明,该方法在不同分辨率上引入了多种启发信息,因而能够提取更加完整和有意义的图像特征,为多传感器图像融合提供了更智能、更细致、更全面的图像信息.
推荐文章
基于蚁群的无线传感器网络路由算法
无线传感器网络
蚁群算法
路由
分布式算法
邻域搜索蚁群算法在无线传感器网络数据融合中的应用
无线传感器网络
数据融合
蚁群算法
邻域搜索
基于改进蚁群算法的无线传感器网络路由的优化
无线传感器网络
路由优化
蚁群算法
遗传算法
基于改进蚁群的无线传感器网络路由
蚁群算法
无线传感器网络
网络路由
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 基于蚁群算法的多传感器图像融合方法
来源期刊 测控技术 学科 工学
关键词 多传感器 蚁群算法 特征级融合 小波变换
年,卷(期) 2017,(8) 所属期刊栏目 数据采集与处理
研究方向 页码范围 15-19
页数 5页 分类号 TP391.9
字数 3898字 语种 中文
DOI
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 何同弟 河西学院物理与机电工程学院 16 51 4.0 6.0
2 祝燎 河西学院物理与机电工程学院 8 22 2.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (26)
共引文献  (32)
参考文献  (7)
节点文献
引证文献  (3)
同被引文献  (19)
二级引证文献  (0)
1980(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(2)
  • 参考文献(0)
  • 二级参考文献(2)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(2)
  • 参考文献(0)
  • 二级参考文献(2)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(3)
  • 参考文献(0)
  • 二级参考文献(3)
2005(5)
  • 参考文献(0)
  • 二级参考文献(5)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(3)
  • 参考文献(1)
  • 二级参考文献(2)
2011(4)
  • 参考文献(1)
  • 二级参考文献(3)
2012(3)
  • 参考文献(1)
  • 二级参考文献(2)
2013(2)
  • 参考文献(1)
  • 二级参考文献(1)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(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)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
2019(2)
  • 引证文献(2)
  • 二级引证文献(0)
研究主题发展历程
节点文献
多传感器
蚁群算法
特征级融合
小波变换
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
测控技术
月刊
1000-8829
11-1764/TB
大16开
北京2351信箱《测控技术》杂志社
82-533
1980
chi
出版文献量(篇)
8430
总下载数(次)
24
总被引数(次)
55628
论文1v1指导