信息时代传统媒体与网络媒体融合的现状与困境

现在,社会已经进入信息时代,传播技术的迅猛发展为传统媒体与网络媒体的融合提供了技术支持,两者的融合已经成为时代发展的必然趋势.融合并不是用新媒体取代传统媒体,而是实现优势互补,开创媒体"融合共生"的崭新局面.但两者的融合并不是一件简单的事,在融合的进程中出现了一些问题,使融合陷入了困境,因此,本文有针对性的提出了解决措施,推动双方在新形势下的融合发展.     

多传感器信息融合及其应用

阐述了信息融合的定义、原理及信息融合的功能模型．分析并比较了多传感器信息融合的层次．介绍了多传感器信息融合的技术和方法,多传感器信息融合技术在军事领域、民事领域方面的应用．在此基础上分析了多传感器信息融合的发展趋势,并提出了有待解决的问题     

基于拉普拉斯金字塔变换的小波域图像融合

在深入分析了小波变换融合方法及拉普拉斯金字塔变换融合方法的原理及优缺点的基础上,通过优势互补将二者巧妙结合,提出了一种新的图像融合算法。实验结果表明,该方法计算量小、运行速度快,在红外与可见光图像的融合、多聚焦图像融合以及局部模糊图像融合等应用中优于其他融合方法。     

广电网络实现传统媒体与新兴媒体融合发展的演进策略

面向新一轮通信与信息技术飞速发展催化下的新旧媒体融合趋势,阐述了广电网络促进传统媒体与新兴媒体融合发展的目的意义及核心要求.对广电网络实现媒体融合的目标架构进行了研究,从内容融合、业务融合、平台融合、网络融合和终端融合等层面提出了广电网络实现新旧媒体融合的演进策略,并对江苏有线在“融媒时代”的应用实践进行了具体介绍.     

广电视角看三网融合与媒体融合

首先介绍了三网融合的起源、发展与现状,讨论了互联网时代的媒体发展,认为媒体融合是媒体演进的历史必然,媒体融合也是在互联网时代占领文化制高点的必由之路,分析了三网融合与媒体融合的关系,最后提出了广电网络面对媒体融合的应对思路.     

基于图切割的拉普拉斯金字塔图像融合算法

针对在图像拼接中普通的拉普拉斯金字塔融合算法容易丢失细节的缺点,以及由于运动物体造成的融合鬼影现象,本文提出了一种基于图切割的拉普拉斯金字塔融合算法。首先,引入图切割技术,寻找最优缝合线,确定一种自适应融合区,以消除运动物体造成的融合鬼影;其次,利用源图像完整细节对重构误差进行补偿,提出一种基于包含水平方向在内多个方向的加权融合方法,将源图像和拉普拉斯金字塔融合图像按照这种融合规则进行融合。实验结果表明,与经典拉普拉斯融合方法对比,在客观指标上,本文方法的图像均值平均提高了0.326,标准差(SD)平均提高了1.109,信息熵平均提高了0.041,图像清晰度平均提高了0.289;在主观效果上,本文方法无明显拼接痕迹和融合鬼影,较好保留了图像细节,提高了融合质量,全景图拼接更加真实,改善了整体的视觉效果。     

QuickBird影像融合算法的评价研究

目前多种成熟的融合算法已经应用在各种遥感软件中,但是融合方法的选择往往会因融合对象的不同而有所差异.为了评价出各个融合算法在QuickBird影像融合上的优缺点,本文在像素级的融合层次土运用多尺度分析的方法进行了融合实验.实验中,根据不同的算法原理引入了七种常用的融合算法,并以空间细节信息、光谱质量以及亮度信息作为统计参数,对实验数据进行了比较研究,分析出了几种融合方法的差异.研究表明,一些传统的融合方法如PCA变换和IHS变换已不适用于QuickBird这种高分辨率影像的融合,而基于小波的PCA变换、小波变换以及HPF变换在实验中有较好的表现.本次实验也为其它高分辨率卫星遥感影像的融合工作提供了参考.     

三网融合进程中的相关问题探讨

早在十几年前,世界很多国家就已经提出了三网融合理念,并有计划推进,不同程度地实施了三网融合。三网融合是社会发展的必然趋势,对社会、人民都有重大的影响。本文主要分析了三网融合的由来、定义和战略意义,集中探讨了在三网融合进程中所面临的问题,最后指出三网融合不是一蹴而就,需要我们在长期的工作实践中不断摸索创新。     

基于梯度塔形分解的GPU加速多源图像融合

为了解决多分辨率图像融合算法在单纯CPU上运行效率低的问题,提出了一种用于在基于梯度塔形分解的图像融合算法中使用的新融合规则,并将整个融合算法在图形处理器上进行了设计和高效的实现,将计算密集的任务安排到图形处理器上执行.实验验证,融合图像保留了源图像中的显著特征.并且,与单纯CPU上的融合算法相比,该系统在不同尺寸的图像融合中都获得加速.展现了一种通过图形处理器提高多分辨率图像融合算法效率的方法.     

机载多传感器情报融合技术分析

介绍了多传感器情报融合的概念及组成,对当前机载多传感器情报融合原理、融合流程、融合技术进行了研究分析,并以实例阐述了最佳特征组合技术在机载多传感器情报融合中的应用。     

一种快速全局优化的神经网络及其在数据融合中的应用

本文将遗传算法的全局性和EM算法的快速性相结合,提出了一种快速全局优化神经网络,并将其应用于数据融合中。理论与实验结果表明该算法在数据融合中具有很强的鲁棒性。     

Self-tuning measurement fusion Kalman filter with correlated measurement noises

For the multisensor system with correlated measurement noises and unknown noise sta-tistics, based on the solution of the matrix equations for correlation function, the on-line estimators of the noise variances and cross-covariances is obtained. Further, a self-tuning weighted measurement fusion Kalman filter is presented, based on the Riccati equation. By the Dynamic Error System Analysis (DESA) method, it rigorously proved that the presented self-tuning weighted measurement fusion Kalman filter converges to the optimal weighted measurement fusion steady-state Kalman filter in a realization or with probability one, so that it has asymptotic global optimality. A simulation example for a target tracking system with 3-sensor shows that the presented self-tuning measurement fusion Kalman fuser converges to the optimal steady-state measurement fusion Kalman fuser.     

用于异质信息的信任区间交互式多属性识别方法

为了解决混合类型数据与专家知识等异质信息的融合决策问题,该文提出了基于信任区间的交互式多属性识别(BI-TODIM)方法。完善了混合类型数据的距离测度,根据信任区间的构建定理和灰关联方法构建了未知目标混合类型数据的信任区间,阐明了信任区间与直觉模糊数之间的等价关系,创建了混合类型数据和专家知识的识别决策模型,实现了特征层信息和决策层信息的统一表达;分析了基于信度函数的逼近理想解(BF-TOPSIS)方法的反转现象及算法的复杂度,定义了区间数的序关系,提出了BI-TODIM识别决策方法,及基于直觉模糊熵的未知权重计算方法。结合算例和目标识别案例,验证了该文方法在解决排序反转和异质信息融合方面的有效性,突出了该方法时间复杂度低、稳定性好、识别准确度高的优点。     

带有信息反馈的最优异步递推航迹融合算法

现有的异步航迹融合算法大都采用无全局信息反馈的设计框架,并且忽略各异步传感器局部预测航迹误差间的相关性,加之考虑上述相关性的最优整体航迹融合算法的实时性难以被保证,从而导致局部传感器估计精度低、稳定性差、全局估计的最优性丧失和差的应用性等不足。为此,本文在引入全局信息反馈的基础上,同时考虑各局部预测航迹误差相关性,在融合估计误差协方差矩阵迹最小意义下,建立一种带有全局反馈机制的最优异步递推航迹融合算法。文中不仅对各种算法的次优或最优原理及性能进行了详细的分析与讨论,理论证明和仿真结果也表明了该文算法的有效性和优越性。     

光谱和成像融合技术检测猪肉中挥发性盐基氮

挥发性盐基氮(TVB-N)含量是评价猪肉新鲜度的重要指标。尝试融合光谱和成像技术检测猪肉中TVB-N含量。实验以不同新鲜度的猪肉样本为研究对象,同时采集近红外光谱数据和图像数据,并对其分别进行特征提取和主成分分析,利用反向传播神经网络构建猪肉TVB-N的定量预测模型。实验结果表明,融合模型要优于单一技术模型,模型交互验证均方根误差(RMSECV)为1.2975,对独立样本预测时相关系数达到0.957。研究表明基于光谱和成像融合技术检测猪肉中TVB-N含量是可行的,检测结果的准确性和稳定性较单一技术有所提高。     

Correlation Net: Spatiotemporal multimodal deep learning for action recognition

This paper describes a network that captures multimodal correlations over arbitrary timestamps. The proposed scheme operates as a complementary, extended network over a multimodal convolutional neural network (CNN). Spatial and temporal streams are required for action recognition by a deep CNN, but overfitting reduction and fusing these two streams remain open problems. The existing fusion approach averages the two streams. Here we propose a correlation network with a Shannon fusion for learning a pre-trained CNN. A Long-range video may consist of spatiotemporal correlations over arbitrary times, which can be captured by forming the correlation network from simple fully connected layers. This approach was found to complement the existing network fusion methods. The importance of multimodal correlation is validated in comparison experiments on the UCF-101 and HMDB-51 datasets. The multimodal correlation enhanced the accuracy of the video recognition results.     

简评基于图像融合的目标识别和跟踪算法

传统的目标识别和跟踪算法都是基于单传感器图像的.随着多传感器图像融合技术的深入发展,其在目标识别和跟踪领域的应用也越来越广泛.评述了基于图像融合的目标识别与跟踪算法,包括融合预处理、融合识别和融合跟踪,说明了图像融合思想在目标识别与跟踪领域的优越性.     

Temporal modelling of first-person actions using hand-centric verb and object streams

Analysis of first-person (egocentric) videos involving human actions could help in the solutions of many problems. These videos include a large number of fine-grained action categories with hand–object interactions. In this paper, a compositional verb–noun model including two complementary temporal streams is proposed with various fusion strategies to recognize egocentric actions. The first step is based on construction of verb and object video models as decomposition of actions with a special attention on hands. Particularly, the verb video model that is the spatial–temporal encoding of hand actions and the object video model that is the object scores with hand–object layout are represented as two separate pathways. The second step is the fusion stage to identify action category, where distinct verb and object models are combined to give their action judgments. We propose fusion strategies with recurrent steps collecting verb and object label judgments along a temporal video sequence. We evaluate recognition performances for individual verb and object models; and we present extensive experimental evaluations for action recognition over recurrent-based fusion approaches on the EGTEA Gaze+ dataset.     

基于融合图像特征库的夜视图像彩色化研究

提出一种基于图像融合技术的夜视图像彩色化方法,结合红外图像和微光图像各自的特点,利用小波图像融合的方法把红外图像和微光图像进行融合,从大量的融合图像中提取不同物体的纹理特征,构成野外环境下的纹理图像库,并对每类图像指定相应的彩色参考图像。对目标图像进行分割,提取目标图像的纹理特征与图像库进行相似性对比,完成目标图像的色彩传递。实验结果表明,该算法获得真实的场景色彩,使观察者更容易获得图像的场景信息。