简介：在数据融合的基础上，以红外／毫米波双模传感器的智能融合结构为模型，将模糊神经网络与D-S证据理论相结合，提出了一种新的目标识别方法。该算法根据红外／毫米波传感器的性能及工作范围，构造模糊变量作为神经网络的输入，根据神经网络的不同输出判别目标的真伪，并利用D-S证据理论进行目标身份识别。仿真结果证明了该算法的可行性。

简介：粗糙集理论是处理不确定性问题的数学方法，本文提出了基于粗糙集与小波变换相结合的图像融合算法。该方法首先将粗糙集理论应用于图像滤波中，对含有椒盐噪声的图像进行粗糙中值滤波，然后对滤波后的图像进行小波融合。实验结果表明，粗糙中值滤波有较强的去噪能力，且较好地保持了图像的细节信息，在此基础上进行小波融合，使得融合结果图像具有良好的效果。

简介：针对红外与可见光图像融合，提出了一种基于NSCT变换的图像融合方法。对经NSCT变换的低频子带系数采用基于区域能量自适应加权的融合规则，对高频子带系数采用混合的融合方法，即对于低层，采用基于区域方差选大的融合方法，对于高层采用像素点的绝对值选大的融合方法。实验结果表明，该融合算法可以获得更多的细节信息，能获得较理想的融合图像。

简介：应用傅里叶变换轮廓术测量物体三维面形时，当被测物体形状复杂或是被噪声严重污染时，导致频谱分布展宽，发生频谱混叠现象，基频提取困难，无法准确恢复物体的三维面型。提出了基于小波分解的傅里叶变换轮廓术，采用小波变换的方法对变形条纹图进行二维多尺度分解，重构被测物的背景图像，滤出图像的零频成分，得到相对变形条纹。运用小波变换与傅里叶变换轮廓术相结合的方法，只需拍摄一幅变形条纹图，将被测物体与背景分离，不受背景成分的影响，且易于基频信息的提取，降低了对滤波器的要求。实验证明该方法较好地防止了频谱的混叠问题，提高了测量范围与解相精度。

简介：提出了一种红外与可见光的配准和融合方法，该方法利用SIFT算法提取图像特征，并使用透视变换表示图像的变换关系，最后在HSI空间，对图像进行了加权融合。实验表明，该方法快速稳定、鲁棒性高。