提出了一种基于线性约束最小平方(Linear Constrained Least Square)方法的神经数据融合算法。LCLS方法用来最小化线性融合信息的能量，而神经网络算法则用来处理出现于LCLS方法中的样本协方差矩阵的不良条件和奇异性问题。此算法用软...提出了一种基于线性约束最小平方(Linear Constrained Least Square)方法的神经数据融合算法。LCLS方法用来最小化线性融合信息的能量，而神经网络算法则用来处理出现于LCLS方法中的样本协方差矩阵的不良条件和奇异性问题。此算法用软件和硬件都能实现。与已有的融合方法相比，文章提出的神经数据融合方法具有非偏倚的统计特性而且不需要关于噪声协方差的任何先验知识。将此方法应用于图像融合，结果显示这种方法能增强输出结果的质量。展开更多
文摘提出了一种基于线性约束最小平方(Linear Constrained Least Square)方法的神经数据融合算法。LCLS方法用来最小化线性融合信息的能量，而神经网络算法则用来处理出现于LCLS方法中的样本协方差矩阵的不良条件和奇异性问题。此算法用软件和硬件都能实现。与已有的融合方法相比，文章提出的神经数据融合方法具有非偏倚的统计特性而且不需要关于噪声协方差的任何先验知识。将此方法应用于图像融合，结果显示这种方法能增强输出结果的质量。
