基于一類遞歸神經網絡的圖像融合問題

摘 要：文章研究利用一類遞歸神經網絡解決圖像融合問題，首先將圖像融合問題轉化為求解一類約束二次規劃問題，再利用遞歸神經網絡模型求解該二次規劃問題的最優解，仿真例子驗證了所得結果的有效性。

關鍵詞：圖像融合；約束二次規劃問題；遞歸神經網絡

1 概述

隨著多傳感器技術的發展，多傳感器的數據融合技術已經廣泛運用于許多領域，例如機器視覺以及圖像和數據處理等方面。數據融合的優勢在于可以集成不同來源的補充信息，以提高對原始有用信息的提取能力[1]。而圖像融合作為圖像處理中的一種數據融合方法，被廣泛運用于圖像處理、遙感、計算機視覺以及軍事等領域，所以研究一種解決圖像融合問題的高效算法就顯得十分必要，而神經網絡算法由于具有良好的運算速度和非線性映射能力已經成為了解決圖像融合問題的有效方法[2，3]。

文章基于一種遞歸神經網絡算法來解決圖像融合問題，并且將它與原有的投影神經網絡算法進行了比較，體現了遞歸神經網絡解決圖像融合問題在實際應用中的優勢。

5 結束語

針對圖像融合問題，文章首先將圖像融合問題轉化為一類約束二次規劃最優解問題，然后運用遞歸神經網絡解決了一類圖像融合問題，并通過仿真驗證了所得結果的有效性。

致謝：感謝樓旭陽為文章提出了啟發性建議。

參考文獻

[1]沃爾夫岡.跟蹤和傳感器數據融合[M].何佳洲，等譯.科學出版社， 2015，9.

[2]Xia Y S， Leung H. Performance analysis of statistical optimal data fusion algorithms. Information Sciences，2014，277：808-824.

[3]Xia Y S， Kamel M S. Cooperative learning algorithms for data fusion using L1 estimation. IEEE Transactions Signal Process， 2008，56（3）：1083-1095.

作者簡介：李恩揚（1994-），男，本科生，主要研究方向：神經網絡。