针对可见光与红外图像的特点和难点，提出了可见光与红外图像配准与融合中的关键技术，即: 使用新型的基于一维最大类间方差和最大连通性测量的图像分割方法对源图像进行分割来更好地实行图像粗 配准 使用新型的特征点提取方法，特征点的匹配及误匹配的消除来更好地实行图像精配准 采用新型的基 于区域的树状小波活性测度计算来实现树状小波图像融合 利用自生成神经网络来实现模栩图像融合. -For visible light and infrared images of the characteris

本文讨论了小波神经网络在机动多目标跟踪中的应用,多目标跟踪就是主体为了维持对多个目标(客体)当前状态的估计而对所接收的量测信息进行处理的过程。以非线性大规模并行分布式处理为特征的神经网络可以解决传统的目标跟踪方法的难以解决的计算量组合爆炸问题以及需要确定机动目标的数学模型的问题, 将小波分析原理与神经网络相融合,提出了基于小波神经网络的目标跟踪方法来提高系统的学习能力、表达能力以及机动多目标状态的估计精度。-This article discusses the application of wa

利用pcnn和nsct实现图像融合，非下采样Contourlet变换，脉冲耦合神经网络，连接强度-Using NSCT and PCNN image fusion, the sampling Contourlet transform, the pulse coupled neural network, the connection strength

提出一种新的显着性检测方法，通过将区域级显着性估计和像素级显着性预测与CNN（表示为CRPSD）相结合。对于像素级显着性预测，通过修改VGGNet体系结构来执行完全卷积神经网络（称为像素级CNN）以执行多尺度特征学习，基于该学习进行图像到图像预测以完成像素级显着性检测。对于区域级显着性估计，首先设计基于自适应超像素的区域生成技术以将图像分割成区域，基于该区域通过使用CNN模型（称为区域级CNN）来估计区域级显着性。通过使用另一CNN（称为融合CNN）融合像素级和区域级显着性以形成nal显着图，并