基于最优编码位的手指多模态特征提取与融合方法.pdf
努力****爱敏
亲,该文档总共15页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
基于最优编码位的手指多模态特征提取与融合方法.pdf
一种基于最优编码位的手指多模态图像编码和融合方法。其方法对原始手指三模态图像进行增强,获得手指三模态增强图像;利用方向编码方法对上述手指三模态增强图像的最优增强方向进行二进制编码,以提取出手指三模态的有效纹理特征,获得手指三模态特征编码;利用特征编码融合方法对手指三模态特征编码进行融合,获得最终融合图像等步骤。本发明效果:有效凸显了手指血管成像区域,实现了退化手指图像的稳定增强。解决了可能会产生的冗余信息和冗余特征编码位的问题,以便提取特征。可以充分利用手指三模态信息并提高识别的准确性和鲁棒性。
基于多模态信息融合的异构数据特征提取方法.pdf
本发明公开了一种基于多模态信息融合的异构数据特征提取方法,其实现步骤为:通过使用文本编码器和图像编码器组成双流架构,对不同模态的数据特征提取分别构建不同的编码器,在对异构数据特征进行融合的时候充分考虑到不同模态数据之间的局部对应关系,使用注意力机制对异构数据进行融合。由此解决现有技术编码器模型参数混乱、训练过程复杂,以及异构数据特征信息融合不完全的问题。使得本发明能更好地处理异构数据,提高了异构数据特征提取的准确度。同时也提高了信息融合的完整度,确保提取出来的异构信息特征融合的有效性。
一种基于最优传输理论的多模态医学图像融合方法.pdf
本发明涉及一种基于最优传输理论的多模态医学图像融合方法,属于计算机图形学和医学图像处理技术领域,该方法包含如下步骤:S1:输入两张待融合的不同模态医学图像;S2:对源图像进行取反,对取反后的源图像进行归一化操作;S3:计算归一化操作之后源图像之间的最优传输质心;S4:根据最优传输质心进行图像取反,重构结果融合图像。本发明方法能够在保留更多源图像信息的情况下,消除掉较多的噪声,同时降低计算复杂度的方法,进行更快速有效的多模态医学图像的融合。同时,本发明方法运行速度快,输入图像后能够快速地给出融合结果,效率较
基于多模态数据融合的商品推荐方法.pdf
本发明提供了一种基于多模态数据融合的商品推荐方法,属于深度学习技术领域。通过ALBERT‑TextCNN提升从客户基本属性数据集中提取出的词向量的表征能力和最大程度保留客户不同层次的语义信息,提升不同客户群体的分类效果;通过AlBert‑BiLSTM‑CRF有效解决对于文本中一词多义解析效果差、多义词的不同语境无法处理等传统语言处理模型无法解决的问题,将客户线上和线下交易数据集进行更加符合文本集上下文语义的关键词,更有针对性地构建客户标签;使用k维树方法获取两种标签类别的相似客户,再通过相似客户购买历史进
基于卷积稀疏表示的多模态图像融合方法.pdf
本发明涉及一种基于卷积稀疏表示的多模态图像融合方法,首先,利用稀疏优化函数将源图像进行两尺度分解得到高频分量和低频分量;然后,将两尺度分解得到的高频和低频分量,根据多模态图像特点采用不同的融合策略,高频分量利用卷积稀疏表示对稀疏系数取最小值的融合策略,低频分量利用取平均的融合策略得到融合后图像的低频分量;最后将得到的融合后图像的高频分量和低频分量相加得到融合图像。相对其他三种融合方法,不论在主观视觉和客观评价指标上还是在计算效率上,本发明方法可以更好保留源图像的细节等纹理信息。