摘要：稀疏表示的分块处理破环了图像的连续性,导致多聚焦融合图像的清晰测度信息严重丢失。针对上述问题,提出了卷积稀疏表示和邻域特征结合的多聚焦图像融合算法。该算法将非下采样轮廓波变换(NSCT)域低频子图通过高斯滤波分解成基础层和细节层,然后选用交替方向乘子算法(ADMM)求解稀疏系数,完成细节层特征响应系数的融合。同时,根据聚焦程度测量函数设计了合理的邻域特征,完成了NSCT域高频子图的融合。实验结果表明:该算法边缘信息传递因子(QAB/F)指标略低于对比算法,但空间频率(SF)、平均梯度(AG)、清晰度(SP)以及视觉信息保真度(VIFF)指标相比于对比算法分别提高了约16.31%、41.87%、19.2%以及12.07%,有效地提取了源图像更深层次的清晰测度信息,克服了稀疏表示的块效应缺陷。

摘要：非下采样剪切波变换(NSST)域中低频子带的融合需要人工给定融合模式,因此未能充分捕获源图像的空间连续性和轮廓细节信息。针对上述问题,提出了基于深度卷积神经网络的红外与可见光图像融合算法。首先,使用孪生双通道卷积神经网络学习NSST域低频子带的特征来输出衡量子带空间细节信息的特征图。然后,根据高斯滤波处理的特征图设计了基于局部相似性的测量函数来自适应地调整NSST域低频子带的融合模式。最后,根据NSST域高频子带的方差、局部区域能量以及可见度特征来自适应地设置脉冲耦合神经网络参数完成NSST域高频子带的融合。实验结果表明:该算法Q^AB/F指标略弱于对比算法,但SF、SP、SSIM以及VIFF指标分别提高了约50.42%、14.25%、7.91%以及61.67%,有效地解决了低频子带融合模式给定的问题,同时又克服了手动设置PCNN参数的缺陷。

摘要：斜拉桥是将桥面用许多拉索直接拉在桥塔上的一种桥梁,是由承压的塔,受拉的索和承弯的梁体组合起来的一种结构体系,是现代大跨桥梁的重要的结构形式。斜拉桥模型试验是研究复杂桥跨结构或复杂构造细节的重要手段之一,其目的是为结构分析提供数据和结论,也是检验数值理论和解析理论正确性的主要依据。文中详细介绍了斜拉桥模型结构的设计理论、制作过程及关键工艺。并针对设计和制作等方面的问题作了一定的探讨和研究。