专利交易市场

本发明涉及一种场景图像融合的车载AR‑HUD亮度自适应调节方法，属于自动驾驶领域。本发明依据视野前方的实时场景影像，对AR‑HUD的显示亮度进行实时调节，能够有效提高驾驶员的视觉舒适度，有利于安全驾驶。本发明采用多层图像融合的方式，实现实时投影影像的更新，保证了投影图像的实时性和有效性。本发明采用一种基于高斯和拉普拉斯金字塔融合机制，实现场景图像与原始虚拟图像实时融合，进行获得修正后的虚拟图像，保证了图像显示的舒适性和协调性。本发明采用基于局部场景信息与原始图像的融合，保证图像亮度的均匀分布，在保证分辨率的前提下，实现了亮度分布的协调性。

本发明公开了一种基于快速有限剪切波变换与稀疏表示的医学图像融合法，包括如下方法：S1：通过FFST将源图像A和源图像B进行分解，获取所述源图像A和源图像B的低频系数和高频系数；S2：通过稀疏表示融合法将所述源图像A和源图像B的低频系数进行融合，确定融合低频系数；S3：根据PCNN融合法将所述源图像A和源图像B的高频系数进行融合，获取融合高频系数；S4：将所述融合低频系数和融合高频系数通过FFST逆变换进行重构，获取融合图像。本发明可以使融合图像在边缘清晰度、变化剧烈度和对比度方面均得到较好的融合性能，从而融合图像的细节更加清晰，边缘更加平滑，进而具有良好的主观视觉效果。

本发明公开了一种基于拉普拉斯金字塔与参数自适应脉冲耦合神经网络的医学图像融合方法，步骤如下：S1：将源图像A和源图像B进行分解，得到低频系数和高频系数；S2：将低频系数通过LP变换分解为子低频系数和子高频系数，对子低频系数和子高频系数分别进行融合；S3：融合后的子低频系数和子高频系数通过LP逆变换进行融合；S4：将高频系数进行融合；S5：融合后的低频系数和融合后的高频系数通过FFST逆变换获取得到最终的融合图像。本发明能够保留源图像的大部分信息，且在清晰度方面、边缘刻画方面以及对比度方面均提到了提高，同时融合图像的空间频率、平均梯度、信息熵和边缘信息传递因子也得到了提高，从而能够得到较好的融合效果。

本发明公开了一种基于拉普拉斯金字塔遥感图像融合的滑坡体识别方法，包括步骤：先对提取的遥感影像局部特征和全局特征，通过拉普拉斯金字塔融合模块重建原始遥感影像，生成融合图像；再通过语义分割网络，构建深度学习语义分割模型；然后通过图片标记工具，对融合图像中发生滑坡灾害的地方和未发生滑坡灾害的地方分别进行标记，得到滑坡灾害标签图数据集；最后用数据集训练深度学习语义分割模型，通过修改语义分割网络结构和调整模型参数，直至模型的损失曲线达到拟合、识别遥感影像中滑坡体的精度满足要求时，则保存该模型。本发明结合基于拉普拉斯金字塔的图像融合模型，能高效、精准地为滑坡灾害的防灾减灾提供有效的决策依据。