人工智能技术与多种应用场景深度融合，将各种图像数据所具有的优势信息进行互补

近年来，随着数字经济的快速发展，使得人工智能技术与多种应用场景深度融合。海量的数据信息为人工智能提供了充足的“养料”，而深度学习算法则在语音、图像识别等领域取得了突破性进展，加速了人工智能的落地与商业化进程。除了生物体智能信息融合的本能以外，在工作和实际生活中，人们常需要将通过各种途径获得的多种信息进行不同方式的融合处理，从而做出更好的决策。但是，通常信息中包含多种不确定性、模糊性和歧义性，为了从这些信息中获取对决策有用的信息，WIMI微美全息(NASDAQ:WIMI)研发了图形处理器数据融合算法系统，并取得软件著作权。

WIMI微美全息认为图形即计算，计算即图形，在保证图形处理器芯片（GPU）的图形渲染能力的同时也需要加强其通用计算能力。图形处理器数据融合算法系统可以提高GPU的通用计算能力，并且加强GPU与CPU的互通性，利用GPU的算法运算能力，加强CPU的通用性和任务调配能力，着重把那些在空间或时间上冗余或互补的多源数据,按照算法进行计算和处理，获得比任何单一数据更精确、更丰富的信息,生成一幅具有新的空间、波谱、时间特征的合成图像，对来自多个传感器的数据进行多级别、多方面、多层次的处理从而产生出单个传感器所不能获得的更有意义的信息。

WIMI微美全息(NASDAQ:WIMI)的图形处理器数据融合算法系统，利用主滤波器对各局部滤波器的加权系数和所设置的阈值进行对比，在加权系数低于阈值的情况下，不进行反馈校正；在加权系数高于阈值的情况下，由主滤波器进行反馈校正。从而融合多个传感器的海量多源数据，实现图形处理可以在不同环境下能够稳定可靠的输出感知结果，实现环境感知的自适应，增强系统的鲁棒性。例如，可以增强图片的改善分类、置信度、减少模糊性性等；在扩展时间和空间的观测范围中，增强数据的可信度和系统的分辨能力，提高系统的可靠性、描述环境能力和信息处理速度；可以用于线性代数、流体模拟、数据分析、科学运算等需要大量重复的数据集运算和密集的内存存取的应用程序中。

WIMI采用特定合适的算法，将两个或多个源图像进行综合处理，从而得到一张新的图像。强化图像中有用信息，增加图像理解的可靠性，获得更为精确的结果。在多种融合应用中，由于应用目的、所处理的输入数据及融合处理前对数据预处理程度不同，WIMI在该系统设定不同层次的多源数据进行处理，每个层次表示不同的数据抽象级别。图像信息融合按信息抽象程度不同分为从低到高三个层次,即像素级融合、特征级融合、决策级融合。

融合的层次不同，所采用的算法、适用的范围也不相同。下图示意了在图像处理全过程中，图像融合所处的位置与层次：

图形处理器数据融合算法系统对于各个图像数据中的互补信息及冗余信息进行图像融合，与人、机器所具备的视觉特性更为符合，有助于人们对图像进行深入的分析，对目标进行有效的检测、识别或追踪。在此基础上WIMI微美全息继续深入研究，将各个类型的传感器所获取的相同场景下的各个图像数据信息进行有效的空间精准配置，并以此为基础将各种图像数据所具有的优势信息进行互补，同时将这些数据信息进行有效的融合，使其成为一种全新的、高质量的、庞大的图像信息。