张成成;胡金春 利用SVC算法进行多焦点图像融合。 （中文。英文摘要） Zbl 1174.68769号 J.软件。 18，第10号，2445-2457（2007）. 摘要：根据无监督学习策略，提出了一种基于SVC（支持向量聚类）的融合规则。通过将该规则应用于多焦点图像融合应用，解决了基于支持向量机（SVM）的融合规则带来的区域重叠和突变问题。进一步提高了融合图像的质量。将非抽取离散小波变换应用于源图像的多分辨率分解。通过网格提取图像特征数据，然后将其输入SVC算法，SVC算法将生成不同的聚类。这些聚类通过区域判别算法进一步处理，最终分布到两个独立的区域，分别定义为互补域和冗余域，其中选择最大值法和加权平均法分别用于生成融合图像的多分辨率表示。最后，通过执行相应的逆小波变换重构融合图像。详细研究了SVC算法的参数q与用于评价融合图像的参数RMSE之间的关系。理论分析和实验结果表明，SVC适合于图像融合。此外，对比研究表明，所提出的基于SVC的融合规则优于现有的基于SVM的融合规则。 MSC公司： 68单位10 图像处理的计算方法 94A08型 信息与通信理论中的图像处理（压缩、重建等） 68T05型 人工智能中的学习和自适应系统 关键词：支持向量聚类;支持向量机;图像融合;多分辨率分析;融合规则 PDF格式BibTeX公司 XML格式引用 \textit{C.Zhang}和\textit{J.Hu}，J.Softw。18，第10号，2445--2457（2007；Zbl 1174.68769）