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：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。
基于红外／毫米波双模融合的目标识别方法
基于粗糙集与小波变换的图像融合算法
一种基于NSCT变换的红外与可见光图像融合算法
基于SIFT的电力设备红外与可见光图像的配准和融合-
