基于ResNet及特征融合的场景文本检测技术研究，李相相，牛少彰，论文对于之前的学者所提出的CTPN网络模型进行深入的研究，提出了一种改进的场景文本检测网络。首先，使用ResNet代替原网络中的VGG16来

针对视觉里程计(VO)因累积误差导致运动姿态估计存在的偏差，提出实时扩展卡尔曼滤波器姿态估计模型，利用惯性测量单元(IMU)结合重力加速度方向作为垂直方向参考，对视觉里程计航向、俯仰和侧倾3个方向姿态估计进行解耦，修正姿态估计的累积误差；根据运动状态采用模糊逻辑调整滤波器参数，实现自适应的滤波估计，降低加速度噪声的影响．实验采用高精度的全站仪作为真值，并结合多种地形环境，实验结果表明：50 m内跟踪的累积误差低于0．3 m，有效地提高了视觉里程计的定位精度和鲁棒性．

针对红外和可见光图像融合结果背景信息不足、对比度较低的问题，提出一种结合引导滤波和快速共现滤波的融合方法。首先，以高斯滤波将源图像分解为细节层和基础层。然后以去除值域滤波器、全局统计共现信息的方式简化共现滤波，形成快速共现滤波，再用其融合细节层；此外，引入窗口因子，用图像大小与窗口因子比值确定引导滤波窗口值，再用其融合基础层。实验结果表明该算法增加了图像背景细节，提高了人物与背景的对比度。主观和客观的实验分析验证了该算法的有效性。

针对目前室内定位精度低及部署成本高的问题,提出了一种基于智能手机的可见光通信与改进的行人航迹推算(VLC/IPDR)粒子滤波融合室内定位方法。该方法首先对智能手机CMOS摄像头拍摄的发光二极管(LED)光源图像信息进行解码,确定待定位点所属的LED区域。然后根据光照度模型及手机陀螺仪获得的方向角推算具体位置信息。最后将VLC获取的位置坐标作为观测值,将IPDR作为粒子滤波的状态转移方程,用粒子滤波将二者融合后进行联合定位。实验结果表明,在3 m×3 m×3 m的小空间、单光源条件下,该方法的平均定位误差小于6 cm,在120 m与45 m垂直相交路径上的多运动模式定位测试中,平均定位误差小于0.2 m。

文中针对现代化楼宇等公共场所可能出现的火灾险情的监测，设计了一款基于Arduino云的火灾报警系统。该系统利用了温湿度传感器、烟雾传感器、红外传感器多传感器对火灾环境进行了检测，利用多传感器信息融合技术提高了火灾探测的精度及响应速度，同时利用Arduino云自带的云模块实现了报警信号的无线传输。通过实验测试，该系统能够实现火灾的实时、连续、可靠检测，测试结果证明系统具有实用性和有效性。

CImageStatic显示位图类 获得图片像素，在重新融合一张图片。 bgbmp = &m_show1.m_bmp; bitmap = &m_show2.m_bmp; pbitmap = &m_show3.m_bmp; bitmap->GetBitmap(&bmpX;); int bitmapSize1 = bmpX.bmHeight * bmpX.bmWidthBytes; BYTE* px=(BYTE *)GlobalAlloc(GPTR,bitmapSize1); dwValue = bitmap->GetBitmapBits(bitmapSize1, px); bgbmp->GetBitmap(&bmpY;); bitmapSize = bmpY.bmHeight * bmpY.bmWidthBytes; BYTE* px1=(BYTE *)GlobalAlloc(GPTR,bitmapSize); dwValue2 = bgbmp->GetBitmapBits(bitmapSize,px1);

有效识别图像或视频中人物的不同群体, 是进行图像智能分析的重要环节, 归根结底是研究如何获取图像中的“有效特征”. 本文以卷积神经网络模型为基础模型, 提出多模型融合卷积神经网络的方法, 利用ImageNet训练得到的模型参与本文神经网络模型的权值初始化, 在有效节省时间和计算资源成本的前提下获取更多有效的特征. 实验结果证明, 本模型对于自然场景中的个体分类中成年男性、成年女性、儿童识别准确率可以保持在85%左右, 提高了人物群体分类的准确度和可靠度.

近年来，由于火灾报警系统未能正确识别周围生产、生活环境的状况而引发的火灾事故屡屡发生，致使人民生命和财产遭受重大损失。目前，市场上的火灾报警系统尽管多种多样，却不能准确探测到周围环境的综合状况，并依据状况及时预报火灾的可能性，因而误报、漏报率较高。为了能够提早并准确报警，本文提出由多传感器融合技术组成的智能火灾报警系统以取代传统的单一传感器报警系统。 本文在讨论传统火灾探测报警系统的基础上，提出了由温度、烟雾和CO三种传感器信息融合的智能火灾报警系统，该系统采用16位单片机SPCE061A作为控制中心，对采集的三种传感器信息进行综合处理，得出火灾发生的可能性；整个系统通讯采用CAN总线分布式，提高了系统的可靠性。在火灾信息处理上，采用三级融合的方法：在数据层采用速率检测算法，当传感器采集到的信号出现非平稳变化，提醒融合中心对信息进行提取，这样减轻了融合中心的数据处理工作，并具有并行分块处理的优点：在特征层采用最小二乘支持向量机网络进行特征提取，并输出初步结果，主要利用LS-SVM的自身学习特性；在决策层利用模糊逻辑推理的鲁棒性进行全局决策。从而提高了系统决策的准确性和合理性，降低了系统的误报率，尤其是对某些复杂条件下火灾危险性大的重要场所，该系统较单一感烟或感温系统更为可靠和有效。 本文最后对我国标准明火SH4、标准阴燃火SH1和厨房环境下三种火灾信号进行了仿真，建立的算法仿真模型可以给出不同环境下的火灾概率，从而验证了本文提出的多传感器融合技术组成的智能火灾报警系统的有效性和可行性。

基于小波变换的实时图像融合技术的实现，实现两幅图像的融合，图像效果好。

关于小波变换的图像融合比较全面的毕业论文，非常完美，绝对是你想要的 里面涵盖了小波变换的方方面面，还有各种算法！