語音圖像融合理解演算法

⑴ 簡單的圖像融合演算法:像素灰度值取大/小圖像融合方法matlab代碼。就是比較2幅圖同一點的像素值取大/小。

im1=imread('c:\1.bmp'); % 讀入兩個圖像
im2=imread('c:\3.bmp');
im3=im1-im2; %兩圖相減
a=im3>0; %圖1比圖2大的像素點
b=im3==0; %圖1比圖2小的像素點

% 合成大像素值的圖像
im_large=uint8(a).*im1+uint8(b).*im2;
%合成小像素值的圖像
im_small=uint8(b).*im1+uint8(a).*im2;

%顯示結果
imshow(im_large)
figure, imshow(im_small)

%希望你是這個意思。。

⑵ 加權平均法圖像融合演算法原理是什麼

加權平均法圖像融合演算法的原理就是：對原圖像的像素值直接取相同的權值，然後進行加權平均得到融合圖像的像素值，舉例說比如要融合兩幅圖像A，B，那它們的融合後圖像的像素值就是A*50%+B*50%，可以參照上圖。

⑶ 圖像融合的層次

一般情況下，圖像融合由低到高分為三個層次：數據級融合、特徵級融合、決策級融合。數據級融合也稱像素級融合，是指直接對感測器採集來得數據進行處理而獲得融合圖像的過程，它是高層次圖像融合的基礎，也是目前圖像融合研究的重點之一。這種融合的優點是保持盡可能多得現場原始數據，提供其它融合層次所不能提供的細微信息。
像素級融合中有空間域演算法和變換域演算法，空間域演算法中又有多種融合規則方法，如邏輯濾波法，灰度加權平均法，對比調製法等；變換域中又有金字塔分解融合法，小波變換法。其中的小波變換是當前最重要，最常用的方法。
在特徵級融合中，保證不同圖像包含信息的特徵，如紅外光對於對象熱量的表徵，可見光對於對象亮度的表徵等等。
決策級融合主要在於主觀的要求，同樣也有一些規則，如貝葉斯法，D-S證據法和表決法等。
融合演算法常結合圖像的平均值、熵值、標准偏差、平均梯度；平均梯度反映了圖像中的微小細節反差與紋理變化特徵，同時也反映了圖像的清晰度。目前對圖像融合存在兩個問題：最佳小波基函數的選取和最佳小波分解層數的選取。

⑷ 文本、語音相似度演算法

前段時間公司項目用到了語音識別,圖像識別,視頻識別等,其實不能說是識別,應該說是相似度對比吧,畢竟相似度對比還上升不了到識別哈,等以後有了更深的理解再來討論修改下!這次就當做一個總結吧!

其實它的原理和視頻圖像相似度演算法類似，將一系列的向量,特徵,權重,進行合並,然後降維降到一維,其實這個演算法也就是採用降維技術,將所有的特徵都用一個唯一標識來表示.然後這個標識是經過這個演算法內部的計算,再利用海明距離計算相似度，視頻和圖片是經過漢明距離計算的

文本我們是採用simhash演算法：

1.我們給文本裡面的詞進行分詞,我們是用ik演算法,這個演算法就是while循環,讀取一行,然後調用ik智能分詞的類,智能去切割裡面的分詞;

2.根據裡面的詞頻,simhash演算法會加一個權重,當然,得詞頻達到多少個的時候才會有有權重,這也是它的缺點,一般文本數據較少的時候,他是不準確的,一般數據量在500+;演算法內部的話會將一系列的向量,特徵,權重,進行合並,然後降維降到一維,其實這個演算法也就是採用降維技術,將所有的特徵都用一個唯一標識來表示.然後這個標識是經過這個演算法內部的計算,然後得到的一個指紋簽名；

3.然後對比兩個文本的相似度就是將兩個指紋簽名進行海明距離計算,如果海明距離<8(根據業務和場景去判斷這個值，8是建議，參考)的話,表示兩個相似,小於3的話.表示兩個文本重復.

simhash演算法我們還可以做語音相似度,它的基本原理就是根據傅里葉變換處理得到聲波的形狀。

語音的坡度如果向上我們就用1表示,向下我們就用0表示,這樣的話,我們也可以用二進制碼去描述一首歌曲.得到一個唯一的指紋簽名,對比兩個音頻的相似度就是將兩個指紋簽名進行海明距離計算<8的話,我們就默認兩個音頻相似.

總結：都是把特徵降到一維，然後採用海明距離計算。計算的值小於多少時，就當做是相似。我這邊講的太淺了，實在領悟有限，時間有限，觸摸不深，等下次有新的領悟再來補充！

⑸ 基於金字塔分解的圖像融合演算法

什麼地方不懂呢!?

⑹ 圖像融合處理技術

多種遙感數據源獲取的遙感數據在時間、空間、光譜、方向及解析度等方面各不相同，它們反映了同一地區地物波譜的不同方面或不同解析度的遙感信息。所以，單一遙感數據一般不能提取足夠的信息完成某些應用，而多遙感類型數據通過融合可以得到多個遙感數據的互補信息，提高遙感數據的利用率。目前，應用於地學領域較多的是基於像元的融合方法。

1.ISH變換

在色度學中，存在有兩種彩色坐標系統：一是由紅（R）、綠（G）、藍（B）三原色構成的彩色（RGB）空間；另一是由亮度（I）（或稱明度、強度）、色調（H）、飽和度（S）構成的色度（IHS）空間（亦稱孟塞爾坐標）。這兩個系統的關系可用圖4-1表示，此時，IHS的范圍呈現為一圓錐體；在垂直於IHS圓錐軸的切面上，二者則呈現為圖4-1所示的關系。該圖中，過S=0，白光點，沿Ⅰ軸只有亮度明暗（白－黑）差異；圓周代表H的變化，並設定紅色為H=0；半徑方向代表飽和度，圓心處S=0，為白色（消色），圓周處S=1，彩色最純。

圖4-1ISH與RGB空間示意圖

很明顯，這兩個坐標之間可以互相轉換，這種轉換即稱為IHS變換，或彩色坐標變換（也稱孟塞爾變換）。通常把RGB空間變換到IHS空間稱之為正變換，反過來，由IHS變換到RGB稱反變換。當不直接採用三原色成分（R、G、B）的數量表示顏色，而是用三原色各自在R、G、B總量中的相對比例r、g、b來表示，即

西天山吐拉蘇盆地與火山岩有關的金礦遙感找礦研究

式中：r+g+b=1。此時，如g=b=0，則r=1，為紅色；白色（r=g=b）則為W（

，

）。兩個坐標之間的轉換關系，可簡化為

西天山吐拉蘇盆地與火山岩有關的金礦遙感找礦研究

對I進行反差擴展，H及S進行直方圖規一化處理後

西天山吐拉蘇盆地與火山岩有關的金礦遙感找礦研究

目前在遙感數字圖像處理中，IHS變換多用於以下研究。

2.彩色合成圖像的飽和度增強

當用以合成的3個原始圖像相關性較大時，常規處理往往合成圖像的飽和度會不足，色彩不鮮（純），像質偏灰，且較模糊、細節難辨。通過IHS變換，在IHS空間中增強（拉伸）飽和度S，用反變換求R、G、B進行彩色顯示，則可顯著改善圖像的顏色質量和分辨能力。

3.不同解析度遙感圖像的復合顯示

直接把不同解析度圖像輸入R、G、B通道作彩色合成復合顯示，即使幾何配精度很高，也難以獲得清晰的圖像（低解析度圖像使像質模糊）。採取將最高解析度圖像置作「I」、次高置作「H」、低解析度者置作「S」，然後反變換，求出R、G、B作復合彩色顯示，則基本可使合成圖像保持有高解析度圖像的清晰度。對TM（常取其中兩個波段）和SPOT（常取全色波段）圖像作此種復合，既可獲得SPOT的高解析度，又可充分利用TM豐富的波譜信息。

4.特殊礦化蝕變遙感信息提取

除前述方法外，用下列公式（Kruse,1984）進行RGB到ISH坐標變換：

西天山吐拉蘇盆地與火山岩有關的金礦遙感找礦研究

其中：

；R、G、B分別為紅波段、綠波段、藍波段像元。

經對I、S反差擴展，並對S直方圖規一化處理，再反變換回到RGB彩色空間，公式如下：

西天山吐拉蘇盆地與火山岩有關的金礦遙感找礦研究

式中：B_i=S·sinH;X_i=S·cosH。

郭華東（1995）及張旺生（1999）用上述處理方法提取石英脈，曾取得過很好的效果。

前人及筆者圖像處理經驗表明，上述常用圖像處理方法對於解決一般的遙感信息提取與增強，一般都會得到較好效果，但不同的地區自然地理條件、提取圖像信息的目的及所用的數據時相的差別，都是影響圖像信息提取效果的重要因素。另外，針對某種特殊目的進行圖像信息提取，更需要根據實際情況進行特別演算法設計。這也正是遙感圖像處理方法能夠取得不斷創新的主要原因之一。