作品简介

本书系统介绍了数字图像融合领域的一些常见算法,便于便于读者能够全面地了解和学习数字图像融合领域的一些基本概念和前沿知识,以适应现代信息技术的发展。书中系统地介绍了数字图像融合的基本概念,并针对不同传感器获得的数字图像进行了分类,而且还对不同类型的数字图像分别介绍了不同的图像融合算法。

本书共分为8章,主要内容包括图像融合简介、基于小波和轮廓波的多聚焦图像融合、基于剪切波和Smoothlet的多聚焦图像融合、红外与可见光数字图像融合、医学图像融合、基于仿生算法的医学图像融合、遥感图像融合和数字图像融合发展趋势。

刘帅奇,河北大学,副教授,硕士生导师。毕业于北京交通大学信息所,研究方向为多维信号处理。目前,主持国家自然科学基金一项、河北省自然科学基金一项、河北省教育厅项目一项。已发表和录用论文30多篇,其中包括10篇SCI检索期刊论文,10篇EI检索期刊论文。参与图像处理相关项目10余个,具有丰富的图像去噪和图像融合研究经验。

郑伟,河北大学,教授,硕士生导师。毕业于哈尔滨理工大学测试计量技术及仪器专业,主要从事医学图像融合算法的研究,发表各类论文二十余篇,主持和参与各类项目十余项。长期从事通信工程专业一线教学,具有丰富的数字图像处理教学经验。

赵杰,河北大学,教授,博士生导师。毕业于河北工业大学电机与电器专业,研究方向为计算机视觉与图像处理。2011年10月至2012年3月公派赴澳大利亚维多利亚大学做访问学者,2013年5月至今任河北大学电子信息工程学院院长。曾获河北省科技进步二等奖1项,三等奖1项,保定市科技进步一等奖2项,第六届河北省高等教育教学成果二等奖1项,2012年河北大学教学成果三等奖1项。主持和参与各类项目十余项,具有丰富的数字图像处理研究基础和产生了一批具有重大影响力的成果。

胡绍海,北京交通大学,教授,博士生导师。毕业于北京交通大学信息所。现任北京交通大学信息科学研究所副所长,教工党支部书记,物联网工程专业建设责任教授。研究领域包括信号检测与处理、人工神经网络、图像处理、物联网技术及应用等。10年来主持与参与973、国家自然科学基金、红果园等40余项科研项目。合作发表专著一本,发表学术论文100余篇,EI、ISTP检索论文50余篇。曾获部级科技进步三等奖一项,北京市高等学校优秀青年骨干教师称号,计算机基础系列课程国家级教学团队成员,信息所“数字媒体信息处理”教育部创新团队成员。

作品目录

  • 前言
  • 第1章 图像融合简介
  • 1.1 研究背景及意义
  • 1.2 国内外研究现状
  • 1.3 图像融合基础知识
  • 1.3.1 图像融合层次
  • 1.3.2 传统图像融合算法
  • 1.3.3 图像融合存在的问题
  • 1.4 图像融合评价标准
  • 1.4.1 主观评价标准
  • 1.4.2 客观评价标准
  • 第2章 基于小波和轮廓波的多聚焦图像融合
  • 2.1 多聚焦图像特点
  • 2.2 基于小波的多聚焦图像融合算法
  • 2.2.1 小波变换
  • 2.2.2 小波域多聚焦图像融合算法
  • 2.2.3 基于小波的多聚焦图像融合实验结果分析
  • 2.3 基于轮廓波的多聚焦图像融合算法
  • 2.3.1 轮廓波变换
  • 2.3.2 复轮廓波变换
  • 2.3.3 向导滤波
  • 2.3.4 基于轮廓波变换图像融合算法
  • 2.3.5 实验结果分析
  • 2.4 结合轮廓波变换与核范数最小化理论的多聚焦图像融合算法
  • 2.4.1 核范数最小化理论
  • 2.4.2 图像融合算法
  • 2.4.3 实验结果与分析
  • 2.5 本章小结
  • 第3章 基于剪切波和Smoothlet的多聚焦图像融合
  • 3.1 剪切波变换基础知识
  • 3.1.1 剪切波变换
  • 3.1.2 离散剪切波变换
  • 3.1.3 非下采样剪切波变换
  • 3.2 基于剪切波的多聚焦图像融合算法
  • 3.2.1 基于剪切波变换的图像融合框架
  • 3.2.2 基于剪切波变换的图像融合规则
  • 3.2.3 实验结果对比与分析
  • 3.3 基于NSST-FRFT的多聚焦图像融合算法
  • 3.3.1 NSST-FRFT原理
  • 3.3.2 NSST-FRFT图像融合框架
  • 3.3.3 图像融合规则
  • 3.3.4 实验结果对比与分析
  • 3.4 基于NSST域的自适应区域与脉冲发放皮层模型的多聚焦图像融合算法
  • 3.4.1 共享相似性和自适应区域
  • 3.4.2 脉冲发放皮层模型
  • 3.4.3 基于自适应区域、EOE和SCM的图像融合
  • 3.4.4 实验结果分析
  • 3.5 基于Smoothlet的图像融合算法
  • 3.5.1 Smoothlet变换及依赖变换理论介绍
  • 3.5.2 基于NSCT和Smoothlet的图像融合
  • 3.5.3 仿真实验和结果分析
  • 3.6 基于灰度共生矩阵的多聚焦图像融合算法
  • 3.6.1 图像的灰度共生矩阵
  • 3.6.2 融合框架
  • 3.6.3 实验结果
  • 3.7 本章小结
  • 第4章 红外与可见光图像融合
  • 4.1 红外与可见光图像特点
  • 4.2 基于NSST域自适应PCNN的红外与可见光图像融合算法
  • 4.2.1 区域提取
  • 4.2.2 脉冲耦合神经网络(PCNN)
  • 4.2.3 图像融合框架
  • 4.2.4 图像融合规则
  • 4.2.5 实验结果对比与分析
  • 4.3 基于NSST域模糊逻辑的红外与可见光图像融合算法
  • 4.3.1 图像融合框架
  • 4.3.2 图像融合规则
  • 4.3.3 实验结果对比与分析
  • 4.4 基于SCM和CST的红外与可见光图像融合算法
  • 4.4.1 图像融合框架
  • 4.4.2 图像融合规则
  • 4.4.3 仿真验证
  • 4.5 基于复剪切波域结合向导滤波与模糊逻辑的红外与可见光图像融合算法
  • 4.5.1 融合规则
  • 4.5.2 仿真验证
  • 4.6 本章小结
  • 第5章 医学图像融合
  • 5.1 医学图像特点
  • 5.2 基于NSST和高斯混合模型的医学彩色图像融合算法
  • 5.2.1 HIS模型
  • 5.2.2 高斯混合模型
  • 5.2.3 图像融合框架
  • 5.2.4 图像融合规则
  • 5.2.5 实验结果对比与分析
  • 5.3 基于非下采样复小波变换的医学图像融合算法
  • 5.3.1 非下采样复小波变换的基本理论
  • 5.3.2 图像融合步骤
  • 5.3.3 实验结果与分析
  • 5.4 基于NSST变换和Smoothlet的医学图像融合算法
  • 5.4.1 图像融合框架
  • 5.4.2 融合规则
  • 5.4.3 仿真实验和结果分析
  • 5.5 Shearlet变换和稀疏表示相结合的甲状腺图像融合算法
  • 5.5.1 图像的稀疏表示
  • 5.5.2 图像融合算法
  • 5.5.3 实验结果与分析
  • 5.6 基于加权核范数最小化的医学图像融合算法
  • 5.6.1 加权核范数最小化理论
  • 5.6.2 图像自相似性
  • 5.6.3 融合框架
  • 5.6.4 实验结果分析
  • 5.7 基于改进拉普拉斯能量的医学图像融合算法
  • 5.7.1 改进的拉普拉斯能量和
  • 5.7.2 融合算法
  • 5.7.3 实验结果与分析
  • 5.8 基于改进PCNN的非下采样剪切波域医学图像融合算法
  • 5.8.1 稀疏编码与字典设计方法
  • 5.8.2 基于稀疏表示的低频图像融合
  • 5.8.3 滑动窗口尺寸对融合结果的影响
  • 5.8.4 滑动步长对融合结果的影响
  • 5.8.5 基于改进PCNN的高频医学图像融合
  • 5.8.6 不同的PCNN输入项对融合结果的影响
  • 5.8.7 不同的PCNN链接强度对融合结果的影响
  • 5.8.8 整体融合算法
  • 5.8.9 实验结果与分析
  • 5.9 本章小结
  • 第6章 基于仿生算法的医学图像融合
  • 6.1 仿生优化算法概述
  • 6.1.1 粒子群算法
  • 6.1.2 蚁群算法
  • 6.1.3 人工鱼群算法
  • 6.2 基于人工鱼群算法优化的小波域图像融合算法
  • 6.2.1 融合规则与具体算法步骤
  • 6.2.2 实验结果分析
  • 6.3 结合Shearlet变换和果蝇优化算法的甲状腺图像融合算法
  • 6.3.1 融合规则
  • 6.3.2 实验结果分析
  • 6.4 本章小结
  • 第7章 遥感图像融合
  • 7.1 传统的高分辨率遥感图像融合算法及比较
  • 7.1.1 4种传统融合算法的原理和分析
  • 7.1.2 算法应用和比较
  • 7.2 基于复剪切波域的遥感图像融合算法
  • 7.2.1 复剪切波
  • 7.2.2 融合规则
  • 7.2.3 实验结果与分析
  • 7.3 本章小结
  • 第8章 数字图像融合发展趋势
  • 8.1 数字图像融合发展及应用
  • 8.2 数字图像融合研究的展望
  • 参考文献
展开全部