基于多分辨分析理论的图像融合方法PDF电子书下载

绪论 1

0.1 多传感器图像信息处理系统 1

0.2 图像多分辨分析工具 2

0.3 其它图像变换工具 3

0.4 本书的主要内容 3

第1章 常用成像传感器简介 6

1.1 CCD彩色摄像机 6

1.2 X光CCD图像传感器 7

1.3 红外CCD图像传感器 9

1.4 CMOS图像传感器 11

1.5 遥感多光谱成像 12

1.6 基于SPOT的遥感成像 15

1.7 Landsat卫星成像 17

1.8 毫米波成像传感器 19

1.9 微波成像传感器 20

1.10 磁成像传感器 23

1.11 同位素成像传感器 25

1.12 X-CT成像传感器 27

1.13 微光图像传感器 29

1.14 声成像传感器 31

1.15 车用图像传感器 33

1.16 过程层析成像传感器 38

本章参考文献 41

第2章 图像匹配理论 45

2.1 图像匹配概述 45

2.1.1 图像匹配的定义 45

2.1.2 匹配方法的分类 45

2.2 图像匹配的一般流程 46

2.3 图像匹配的关键要素 46

2.4 基于图像灰度的匹配方法 47

2.5 基于图像特征的匹配方法 47

2.6 本章小结 49

本章参考文献 49

第3章 经典匹配算法的对比分析及改进 50

3.1 基于图像像素灰度值的匹配算法 50

3.1.1 ABS算法 50

3.1.2 归一化互相关匹配算法 50

3.1.3 图像矩匹配方法 51

3.2 基于图像特征点的匹配算法 53

3.3 图像匹配的改进方法 55

3.3.1 粗匹配 55

3.3.2 精确匹配 57

3.4 本章小结 58

本章参考文献 58

第4章 图像复合匹配算法 60

4.1 频域匹配算法 60

4.1.1 Fourier变换理论 60

4.1.2 基于Fourier-Mellin变换的图像配准算法 61

4.2 图像边缘特征提取 62

4.2.1 边缘检测 62

4.2.2 Canny边缘算子 64

4.3 基于边缘特征和频域相关的复合匹配算法 66

4.3.1 大边缘提取 66

4.3.2 建立边缘方向曲线及其相对链码 67

4.3.3 相位相关计算 68

4.3.4 复合匹配算法的实现 68

4.4 实验仿真 69

4.5 本章小结 71

本章参考文献 71

第5章 可见光与毫米波图像匹配算法 73

5.1 可见光和毫米波简介 73

5.2 毫米波图像的预处理过程 74

5.2.1 非线性外推算法的基本原理 75

5.2.2 自适应阈值二值化 76

5.2.3 图像形态学滤波 77

5.3 可见光和毫米波图像匹配 79

5.4 本章小结 82

本章参考文献 82

第6章 图像融合的基本概念 83

6.1 图像融合的定义 83

6.2 图像融合系统的一般结构 83

6.3 数据层变换域图像融合的信息模型 84

6.4 常用数据层图像融合方法 85

6.5 图像融合性能评价方法 86

6.6 图像融合系统中常用传感器及其特点 87

6.7 图像融合技术的应用 87

6.8 现有图像融合方法分析 89

6.9 本章小结 90

本章参考文献 90

第7章 用于图像融合的数学变换理论 93

7.1 正交分解与投影定理 93

7.2 小波变换与非平稳信号分析 94

7.2.1 小波变换的定义 95

7.2.2 多分辨分析与正交小波基 96

7.2.3 二维小波变换及其快速算法 97

7.2.4 小波变换的工程意义 98

7.2.5 常用的几种小波基函数 99

7.3 小波包理论及算法 101

7.4 多小波变换理论 104

7.4.1 连续多小波变换的定义 104

7.4.2 多小波的性质 104

7.4.3 多元多分辨分析（MRA） 105

7.4.4 多小波的分解与重构算法 105

7.4.5 离散多小波变换的工程实现 106

7.5 RGB-IHS变换 109

7.6 PCA变换（主成分分析） 110

7.7 Brovey变换 112

7.8 本章小结 112

本章参考文献 112

第8章 多聚焦可见光图像融合方法 114

8.1 光学成像系统特性 114

8.2 多聚焦可见光图像的获取 116

8.3 多聚焦可见光图像融合的意义 116

8.4 多聚焦可见光图像融合信息模型 117

8.5 基于小波变换的多聚焦可见光图像融合 118

8.6 基于小波包变换的多聚焦可见光图像融合 124

8.7 基于多小波变换的多聚焦可见光图像融合 128

8.8 融合结果评价及结论 131

8.9 本章小结 132

本章参考文献 132

第9章 医学图像融合方法 134

9.1 CT成像机理及信息含义 134

9.2 NMR成像机理及信息含义 135

9.3 CT与NMR图像融合的意义 136

9.4 CT与NMR图像融合的信息模型 136

9.5 基于小波变换的CT与NMR图像融合 136

9.6 基于小波包变换的CT与NMR图像融合 142

9.7 基于多小波变换的CT与NMR图像融合 146

9.8 CT与NMR图像的其它融合方法 148

9.9 融合结果评价及结论 148

9.10 本章小结 149

本章参考文献 149

第10章 遥感图像融合方法 151

10.1 遥感基础 151

10.2 常用遥感平台 152

10.3 遥感传感器及其图像特征 152

10.4 遥感图像融合的可能性及意义 155

10.5 基于多分辨分析的遥感图像融合信息模型 155

10.6 基于小波变换的全光谱与多光谱图像融合 156

10.7 基于多小波变换的全光谱与多光谱图像融合 159

10.8 基于IHS变换的全光谱与多光谱图像融合 160

10.9 基于主成分变换（PCA）的全光谱与多光谱图像融合 163

10.10 基于Brovey变换的全光谱与多光谱图像融合 166

10.11 融合结果评价及结论 168

10.12 本章小结 170

本章参考文献 170

第11章 基于小波变换和形态学的图像融合方法 173

11.1 数学形态学 173

11.1.1 膨胀 173

11.1.2 腐蚀 174

11.1.3 膨胀和腐蚀的对偶性 174

11.1.4 开启和闭合 175

11.2 传统像素级图像融合框架 175

11.2.1 小波图像融合方法框架 176

11.2.2 活动水平测量 176

11.2.3 系数分组方法 177

11.2.4 系数合并方法 177

11.2.5 一致性验证 178

11.3 基于小波变换和数学形态学的图像融合方法 178

11.3.1 可见光图像的频域成分特性 179

11.3.2 可见光多聚焦图像融合方法 179

11.3.3 图像融合实验 181

11.4 本章小结 182

本章参考文献 182

第12章 危险物品检测中的图像融合方法 183

12.1 危险物品的检测 183

12.1.1 红外成像与毫米波成像 183

12.1.2 危险物品检测系统 184

12.2 脊波变换与曲波变换的基本理论 185

12.2.1 脊波与曲波的产生 185

12.2.2 脊波和曲波与小波的联系及区别 186

12.2.3 脊波分析的基本理论 186

12.2.4 单尺度脊波变换 189

12.2.5 曲波变换 190

12.3 基于曲波变换的图像融合方法 191

12.3.1 图像的曲波变换 192

12.3.2 基于曲波变换的图像融合过程 193

12.3.3 曲波系数融合规则 193

12.3.4 基于曲波变换的图像融合实验 194

12.4 本章小结 197

本章参考文献 197

第13章 JPEG 2000压缩域图像融合方法 198

13.1 压缩图像文件格式 198

13.1.1 图像压缩的基本概念 198

13.1.2 JPEG图像格式 199

13.1.3 JPEG 2000图像格式 199

13.2 JPEG 2000压缩域图像处理 200

13.2.1 图像的压缩域处理 200

13.2.2 JPEG 2000图像结构概述 201

13.2.3 压缩域图像融合初步研究 201

13.3 本章小结 203

本章参考文献 203

第14章 基于多传感器探测的危险物品检测 204

14.1 危险物品检测、识别分类及定位实现方案 204

14.2 危险物品图像预处理 204

14.2.1 毫米波成像图像的特点 205

14.2.2 图像去噪 205

14.2.3 图像增强 207

14.2.4 图像分割 210

14.3 本章小结 213

本章参考文献 213

第15章 危险物品的特征提取 214

15.1 图像特征提取的基本概念 214

15.2 常用的图像特征提取方法 214

15.2.1 纹理特征提取 214

15.2.2 形状和结构特征提取 216

15.3 危险物品轮廓矩不变量的特征提取 218

15.3.1 图像的边缘提取 218

15.3.2 轮廓矩不变量特征算法 221

15.3.3 图像轮廓矩不变量特征提取的结果与分析 223

15.4 本章小结 226

本章参考文献 226

第16章 危险物品识别分类与定位 228

16.1 模式分类技术 228

16.1.1 模式分类基础知识 228

16.1.2 统计模式分类方法 230

16.1.3 模式分类的新方法 231

16.2 BP神经网络在危险物品识别分类中的应用 233

16.2.1 BP神经网络模型 233

16.2.2 BP网络学习算法 234

16.2.3 实验结果与分析 235

16.3 模糊C均值聚类在危险物品识别分类中的应用 236

16.3.1 模糊C均值聚类（FCM）算法 236

16.3.2 模糊聚类应用于目标识别及实验结果分析 237

16.4 危险物品定位 237

16.4.1 危险物品定位精度 239

16.4.2 影响定位精度的几个因素 239

16.5 本章小结 239

本章参考文献 240

第17章 图像融合技术研究的新进展 241

17.1 融合前多源图像信号的筛选 241

17.2 多源图像信号的匹配 241

17.3 图像融合方法研究 242

17.4 图像融合算法质量评价 246

17.5 基于DSP的图像融合处理 247

本章参考文献 247