主要介绍了常用的图像融合算法和最新的技术

演示了基于DDCT和PCA的图像融合算法。 参考文献：VPS Naidu，“Hybrid DDCT-PCA base multi sensor image fusion”，Journal of Optics，Vol.43，No.1，pp.48-61，2014年3月。

当容积卡尔曼滤波的系统模型不准确或测量出现异常时容易出现滤波发散。为了解决这一问题，提出了一种自适应容积卡尔曼滤波算法，构造了一组噪声统计估计器对噪声的统计特征进行在线实时估计，并在测量异常时采用修正函数对滤波过程进行修正，有效提高了滤波估计的精度和对滤波发散的抑制能力；在集中式滤波结构和联邦式滤波结构的基础上，设计了一种基于自适应容积卡尔曼滤波算法的多传感器系统混合式组合滤波结构，并给出了融合各传感器的局部滤波信息以得到全局滤波估计的计算方法。以对车辆的定位导航为应用背景进行了仿真实验，仿真结果证明了所

针对同一场景两幅严格配准的多聚焦图像的融合问题,设计了一种基于区域能量的多聚集图像融合算法。该算法利用金字塔变换得到图像的多分辨序列,采用基于区域能量的融合方法,在图像的相应层次序列的各级金字塔图像上进行融合,以获取最终的融合图像。从目视效果来看,采用本文算法进行图像融合,能够将两幅多聚焦图像融合成一幅比较清晰的单一聚焦图像。实验结果表明,本文算法与同类其它算法相比较,熵提高了0.01%～4.4%,交叉熵降低了52.93%～95.77%,互信息提高了3.13%～26.55%。

用于MPU6050，MPU9150等得加速度计和陀螺仪互补算法，卡尔曼算法

红外与可见光的图像融合系统及应用研究融合算法 知网下载的博士论文

基于深度学习的疲劳驾驶监测融合算法的研究，杨非，刁鸣，现代物流交通行业发达，疲劳驾驶是大量交通事故发生的主要原因，如何精准地检测驾驶员的疲劳状态是当今的研究热点。近年来，机器

针对传感器测量值存在系统误差的情况, 基于证据理论的思想, 提出一种新的数据融合算法. 该算法首先将 所有测量值根据其与真值的偏差进行分组, 并分配不同的基本信任; 然后将其构成的集合视为辨识框架, 进而将各个 测量值转换为相应的证据并进行证据组合, 所得合成证据的Mass 函数即为各个测量值的权值分配函数; 最后对所得 分组融合测量值进行加权求和, 即得融合结果. 仿真结果验证了该算法的有效性.

通过实际的例子通俗讲解传感器器时间不同步的解决方法

在大数据环境下，多源舁构知识的融合为研究者从众多分散 、异构的数据源和知识源 中挖掘 出隐含 的、有价值的和尚未微发现的信息和知识提供了非常有效的手段和方法。针对 目前知识融合方法的不足 ．在对大数据环境下的肄构知识融合方法进行深入研究的基，将已有的数据融合算法合理地移植到知 识融合中，设计并构造 了大数据环境下 的多源肄构餐珀识融合算法。为进 一步提高获取知识的质量，依据知识源粒度的动态选择 ，提出了一种改进的知识源分解一合并法 ，以获得合适粒度大小的知识源集合和尽可能真实可靠 的知识。基于 Hadoop和 MapReduce框架所构建的实验平台耐所提算法进行 r实验验证。实验结果表明，所提出的多源异构知识融合算法有效可行 ，并能够有效显著地提高多源异构知识融合算法的性能。