数字图像融合算法分析与应用PDF电子书下载

第1章 图像融合简介 1

1.1研究背景及意义 1

1.2国内外研究现状 1

1.3图像融合基础知识 3

1.3.1图像融合层次 3

1.3.2传统图像融合算法 4

1.3.3图像融合存在的问题 6

1.4图像融合评价标准 7

1.4.1主观评价标准 7

1.4.2客观评价标准 8

第2章 基于小波和轮廓波的多聚焦图像融合 12

2.1多聚焦图像特点 12

2.2基于小波的多聚焦图像融合算法 14

2.2.1小波变换 14

2.2.2小波域多聚焦图像融合算法 23

2.2.3基于小波的多聚焦图像融合实验结果分析 26

2.3基于轮廓波的多聚焦图像融合算法 26

2.3.1轮廓波变换 27

2.3.2复轮廓波变换 28

2.3.3向导滤波 31

2.3.4基于轮廓波变换图像融合算法 33

2.3.5实验结果分析 35

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 44

2.4.1核范数最小化理论 45

2.4.2图像融合算法 46

2.4.3实验结果与分析 48

2.5本章小结 54

第3章 基于剪切波和Smoothlet的多聚焦图像融合 55

3.1剪切波变换基础知识 55

3.1.1剪切波变换 55

3.1.2离散剪切波变换 57

3.1.3非下采样剪切波变换 61

3.2基于剪切波的多聚焦图像融合算法 61

3.2.1基于剪切波变换的图像融合框架 61

3.2.2基于剪切波变换的图像融合规则 62

3.2.3实验结果对比与分析 65

3.3基于NSST-FRFT的多聚焦图像融合算法 72

3.3.1 NSST-FRFT原理 72

3.3.2 NSST-FRFT图像融合框架 73

3.3.3图像融合规则 73

3.3.4实验结果对比与分析 75

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 83

3.4.1共享相似性和自适应区域 83

3.4.2脉冲发放皮层模型 84

3.4.3基于自适应区域、EOE和SCM的图像融合 85

3.4.4实验结果分析 87

3.5基于Smoothlet的图像融合算法 91

3.5.1 Smoothlet变换及依赖变换理论介绍 92

3.5.2基于NSCT和Smoothlet的图像融合 97

3.5.3仿真实验和结果分析 99

3.6基于灰度共生矩阵的多聚焦图像融合算法 101

3.6.1图像的灰度共生矩阵 101

3.6.2融合框架 102

3.6.3实验结果 104

3.7本章小结 110

第4章 红外与可见光图像融合 111

4.1红外与可见光图像特点 111

4.2基于NSST域自适应PCNN的红外与可见光图像融合算法 112

4.2.1区域提取 112

4.2.2脉冲耦合神经网络（PCNN） 113

4.2.3图像融合框架 114

4.2.4图像融合规则 115

4.2.5实验结果对比与分析 116

4.3基于NSST域模糊逻辑的红外与可见光图像融合算法 119

4.3.1图像融合框架 120

4.3.2图像融合规则 121

4.3.3实验结果对比与分析 122

4.4基于SCM和CST的红外与可见光图像融合算法 126

4.4.1图像融合框架 127

4.4.2图像融合规则 128

4.4.3仿真验证 130

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 133

4.5.1融合规则 133

4.5.2仿真验证 134

4.6本章小结 137

第5章 医学图像融合 138

5.1医学图像特点 138

5.2基于NSST和高斯混合模型的医学彩色图像融合算法 140

5.2.1 HIS模型 140

5.2.2高斯混合模型 142

5.2.3图像融合框架 143

5.2.4图像融合规则 144

5.2.5实验结果对比与分析 146

5.3基于非下采样复小波变换的医学图像融合算法 149

5.3.1非下采样复小波变换的基本理论 150

5.3.2图像融合步骤 152

5.3.3实验结果与分析 153

5.4基于NSST变换和Smoothlet的医学图像融合算法 157

5.4.1图像融合框架 157

5.4.2融合规则 159

5.4.3仿真实验和结果分析 160

5.5 Shearlet变换和稀疏表示相结合的甲状腺图像融合算法 161

5.5.1图像的稀疏表示 162

5.5.2图像融合算法 164

5.5.3实验结果与分析 166

5.6基于加权核范数最小化的医学图像融合算法 170

5.6.1加权核范数最小化理论 171

5.6.2图像自相似性 172

5.6.3融合框架 173

5.6.4实验结果分析 175

5.7基于改进拉普拉斯能量的医学图像融合算法 179

5.7.1改进的拉普拉斯能量和 180

5.7.2融合算法 182

5.7.3实验结果与分析 182

5.8基于改进PCNN的非下采样剪切波域医学图像融合算法 188

5.8.1稀疏编码与字典设计方法 188

5.8.2基于稀疏表示的低频图像融合 192

5.8.3滑动窗口尺寸对融合结果的影响 195

5.8.4滑动步长对融合结果的影响 196

5.8.5基于改进PCNN的高频医学图像融合 197

5.8.6不同的PCNN输入项对融合结果的影响 199

5.8.7不同的PCNN链接强度对融合结果的影响 200

5.8.8整体融合算法 202

5.8.9实验结果与分析 203

5.9本章小结 212

第6章 基于仿生算法的医学图像融合 213

6.1仿生优化算法概述 214

6.1.1粒子群算法 214

6.1.2蚁群算法 215

6.1.3人工鱼群算法 216

6.2基于人工鱼群算法优化的小波域图像融合算法 218

6.2.1融合规则与具体算法步骤 218

6.2.2实验结果分析 221

6.3结合Shearlet变换和果蝇优化算法的甲状腺图像融合算法 226

6.3.1融合规则 227

6.3.2实验结果分析 229

6.4本章小结 233

第7章 遥感图像融合 234

7.1传统的高分辨率遥感图像融合算法及比较 234

7.1.1 4种传统融合算法的原理和分析 234

7.1.2算法应用和比较 236

7.2基于复剪切波域的遥感图像融合算法 238

7.2.1复剪切波 239

7.2.2融合规则 241

7.2.3实验结果与分析 243

7.3本章小结 252

第8章 数字图像融合发展趋势 253

8.1数字图像融合发展及应用 253

8.2数字图像融合研究的展望 255

参考文献 256