基于NSCT和IFCNN的红外与可见光图像融合算法

针对红外与可见光图像具有不同特征信息以及在融合中存在清晰度低、细节信息模糊的问题,提出一种基于NSCT和IFCNN的红外和可见光图像融合的新方法.首先对两幅源图像进行预增强处理,以提高图像的对比度;然后通过NSCT分解得到高频和低频子带,将分解后的低频子带进一步进行DWT分解,得到高、低频子带,其中在低频部分采用局域能量加权方法进行融合,在高频部分采用IFCNN卷积神经网络融合框架进行融合,采用小波逆变换对低频和高频进行反变换,获得NSCT重构所需的低频部分,再对NSCT分解后的高频部分采用IFCNN的方法对图像进行处理;最后对处理后的低频和高频子带通过NSCT逆变换获得最终的融合图像.试验结果表明,该方法在视觉和客观指标上都具有较大的提升.

基于多感融合的散装物料输送系统巡检机器人

在煤矿生产领域中,带式输送机是一种常用的运输设备,其安全性和稳定性直接影响着煤矿生产效率。针对带式输送机在输送过程中易发生故障的问题,提出了一种基于沙丘猫群算法(SCSO)优化改进模糊细胞神经网络(IFCNN)的散装物料输送系统巡检机器人。该巡检机器人搭载多种传感器,采集带式输送机运行时的图像、温度、速度、声音等信息,将各个传感器采集到的信号转换成频域、时频域信息,用IFCNN对频域、时频域信息分别进行特征提取与融合,结合注意力机制选择重要特征进行故障诊断,从而实现散装物料输送系统的智能巡检。实际应用表明,经SCSO优化后的IFCNN可有效提取带式输送机的故障特征,提高故障检测的准确性,从而提高煤矿运输作业的安全性。