语音图像融合理解算法

⑴ 简单的图像融合算法:像素灰度值取大/小图像融合方法matlab代码。就是比较2幅图同一点的像素值取大/小。

im1=imread('c:\1.bmp'); % 读入两个图像
im2=imread('c:\3.bmp');
im3=im1-im2; %两图相减
a=im3>0; %图1比图2大的像素点
b=im3==0; %图1比图2小的像素点

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

%显示结果
imshow(im_large)
figure, imshow(im_small)

%希望你是这个意思。。

⑵ 加权平均法图像融合算法原理是什么

加权平均法图像融合算法的原理就是：对原图像的像素值直接取相同的权值，然后进行加权平均得到融合图像的像素值，举例说比如要融合两幅图像A，B，那它们的融合后图像的像素值就是A*50%+B*50%，可以参照上图。

⑶ 图像融合的层次

一般情况下，图像融合由低到高分为三个层次：数据级融合、特征级融合、决策级融合。数据级融合也称像素级融合，是指直接对传感器采集来得数据进行处理而获得融合图像的过程，它是高层次图像融合的基础，也是目前图像融合研究的重点之一。这种融合的优点是保持尽可能多得现场原始数据，提供其它融合层次所不能提供的细微信息。
像素级融合中有空间域算法和变换域算法，空间域算法中又有多种融合规则方法，如逻辑滤波法，灰度加权平均法，对比调制法等；变换域中又有金字塔分解融合法，小波变换法。其中的小波变换是当前最重要，最常用的方法。
在特征级融合中，保证不同图像包含信息的特征，如红外光对于对象热量的表征，可见光对于对象亮度的表征等等。
决策级融合主要在于主观的要求，同样也有一些规则，如贝叶斯法，D-S证据法和表决法等。
融合算法常结合图像的平均值、熵值、标准偏差、平均梯度；平均梯度反映了图像中的微小细节反差与纹理变化特征，同时也反映了图像的清晰度。目前对图像融合存在两个问题：最佳小波基函数的选取和最佳小波分解层数的选取。

⑷ 文本、语音相似度算法

前段时间公司项目用到了语音识别,图像识别,视频识别等,其实不能说是识别,应该说是相似度对比吧,毕竟相似度对比还上升不了到识别哈,等以后有了更深的理解再来讨论修改下!这次就当做一个总结吧!

其实它的原理和视频图像相似度算法类似，将一系列的向量,特征,权重,进行合并,然后降维降到一维,其实这个算法也就是采用降维技术,将所有的特征都用一个唯一标识来表示.然后这个标识是经过这个算法内部的计算,再利用海明距离计算相似度，视频和图片是经过汉明距离计算的

文本我们是采用simhash算法：

1.我们给文本里面的词进行分词,我们是用ik算法,这个算法就是while循环,读取一行,然后调用ik智能分词的类,智能去切割里面的分词;

2.根据里面的词频,simhash算法会加一个权重,当然,得词频达到多少个的时候才会有有权重,这也是它的缺点,一般文本数据较少的时候,他是不准确的,一般数据量在500+;算法内部的话会将一系列的向量,特征,权重,进行合并,然后降维降到一维,其实这个算法也就是采用降维技术,将所有的特征都用一个唯一标识来表示.然后这个标识是经过这个算法内部的计算,然后得到的一个指纹签名；

3.然后对比两个文本的相似度就是将两个指纹签名进行海明距离计算,如果海明距离<8(根据业务和场景去判断这个值，8是建议，参考)的话,表示两个相似,小于3的话.表示两个文本重复.

simhash算法我们还可以做语音相似度,它的基本原理就是根据傅里叶变换处理得到声波的形状。

语音的坡度如果向上我们就用1表示,向下我们就用0表示,这样的话,我们也可以用二进制码去描述一首歌曲.得到一个唯一的指纹签名,对比两个音频的相似度就是将两个指纹签名进行海明距离计算<8的话,我们就默认两个音频相似.

总结：都是把特征降到一维，然后采用海明距离计算。计算的值小于多少时，就当做是相似。我这边讲的太浅了，实在领悟有限，时间有限，触摸不深，等下次有新的领悟再来补充！

⑸ 基于金字塔分解的图像融合算法

什么地方不懂呢!?

⑹ 图像融合处理技术

多种遥感数据源获取的遥感数据在时间、空间、光谱、方向及分辨率等方面各不相同，它们反映了同一地区地物波谱的不同方面或不同分辨率的遥感信息。所以，单一遥感数据一般不能提取足够的信息完成某些应用，而多遥感类型数据通过融合可以得到多个遥感数据的互补信息，提高遥感数据的利用率。目前，应用于地学领域较多的是基于像元的融合方法。

1.ISH变换

在色度学中，存在有两种彩色坐标系统：一是由红（R）、绿（G）、蓝（B）三原色构成的彩色（RGB）空间；另一是由亮度（I）（或称明度、强度）、色调（H）、饱和度（S）构成的色度（IHS）空间（亦称孟塞尔坐标）。这两个系统的关系可用图4-1表示，此时，IHS的范围呈现为一圆锥体；在垂直于IHS圆锥轴的切面上，二者则呈现为图4-1所示的关系。该图中，过S=0，白光点，沿Ⅰ轴只有亮度明暗（白－黑）差异；圆周代表H的变化，并设定红色为H=0；半径方向代表饱和度，圆心处S=0，为白色（消色），圆周处S=1，彩色最纯。

图4-1ISH与RGB空间示意图

很明显，这两个坐标之间可以互相转换，这种转换即称为IHS变换，或彩色坐标变换（也称孟塞尔变换）。通常把RGB空间变换到IHS空间称之为正变换，反过来，由IHS变换到RGB称反变换。当不直接采用三原色成分（R、G、B）的数量表示颜色，而是用三原色各自在R、G、B总量中的相对比例r、g、b来表示，即

西天山吐拉苏盆地与火山岩有关的金矿遥感找矿研究

式中：r+g+b=1。此时，如g=b=0，则r=1，为红色；白色（r=g=b）则为W（

，

）。两个坐标之间的转换关系，可简化为

西天山吐拉苏盆地与火山岩有关的金矿遥感找矿研究

对I进行反差扩展，H及S进行直方图规一化处理后

西天山吐拉苏盆地与火山岩有关的金矿遥感找矿研究

目前在遥感数字图像处理中，IHS变换多用于以下研究。

2.彩色合成图像的饱和度增强

当用以合成的3个原始图像相关性较大时，常规处理往往合成图像的饱和度会不足，色彩不鲜（纯），像质偏灰，且较模糊、细节难辨。通过IHS变换，在IHS空间中增强（拉伸）饱和度S，用反变换求R、G、B进行彩色显示，则可显着改善图像的颜色质量和分辨能力。

3.不同分辨率遥感图像的复合显示

直接把不同分辨率图像输入R、G、B通道作彩色合成复合显示，即使几何配精度很高，也难以获得清晰的图像（低分辨率图像使像质模糊）。采取将最高分辨率图像置作“I”、次高置作“H”、低分辨率者置作“S”，然后反变换，求出R、G、B作复合彩色显示，则基本可使合成图像保持有高分辨率图像的清晰度。对TM（常取其中两个波段）和SPOT（常取全色波段）图像作此种复合，既可获得SPOT的高分辨率，又可充分利用TM丰富的波谱信息。

4.特殊矿化蚀变遥感信息提取

除前述方法外，用下列公式（Kruse,1984）进行RGB到ISH坐标变换：

西天山吐拉苏盆地与火山岩有关的金矿遥感找矿研究

其中：

；R、G、B分别为红波段、绿波段、蓝波段像元。

经对I、S反差扩展，并对S直方图规一化处理，再反变换回到RGB彩色空间，公式如下：

西天山吐拉苏盆地与火山岩有关的金矿遥感找矿研究

式中：B_i=S·sinH;X_i=S·cosH。

郭华东（1995）及张旺生（1999）用上述处理方法提取石英脉，曾取得过很好的效果。

前人及笔者图像处理经验表明，上述常用图像处理方法对于解决一般的遥感信息提取与增强，一般都会得到较好效果，但不同的地区自然地理条件、提取图像信息的目的及所用的数据时相的差别，都是影响图像信息提取效果的重要因素。另外，针对某种特殊目的进行图像信息提取，更需要根据实际情况进行特别算法设计。这也正是遥感图像处理方法能够取得不断创新的主要原因之一。