TY-JUR A2 - ZHAO，Liang Au - Wang，Jin Au - 高，延飞PY - 2021DA - 2021/01/01/07嫌疑人基于稀疏去噪的多方面图像融合警察多峰大数据分析SP - 6614873VL - 2021 AB - 近年来，通过大数据解决重大刑事案件的成功率得到了大大提高。多模式大数据的分析在检测嫌疑人的检测中起着关键作用。然而，传统的Multiex浮现图像融合方法具有低效率并且由于图像边缘和其他敏感因素中的伪影效应而大大耗时。因此，本文重点介绍了嫌疑人的Multiex浮现图像融合。基于深度学习的自编码神经网络已成为数据尺寸减少研究中的热点，这可以有效地消除无关紧要和冗余的学习数据。在有限的场景的情况下，由于相机的有限的聚焦深度，聚焦平面不能在深度场景中获得目标的全局清晰图像，这容易灰度和模糊现象。因此，本文提出了一种基于稀疏去噪的自动化网络神经网络的多焦点图像融合。为了实现无监督的端到端融合网络，采用稀疏的去噪AutoEncoder神经网络同时提取特征和学习融合规则和重建规则。多焦点图像的初始决策图被视为先前的输入，以学习图像的丰富详细信息。 The local strategy is added to the loss function to ensure that the image is restored accurately. The results show that this method is superior to the state-of-the-art fusion methods. SN - 1058-9244 UR - https://doi.org/10.1155/2021/6614873 DO - 10.1155/2021/6614873 JF - Scientific Programming PB - Hindawi KW - ER -