多尺度图像融合理论与方法PDF电子书下载

第1章 图像融合基础 1

1.1图像融合的概念及研究意义 3

1.2图像融合技术的发展及研究现状 4

1.3图像融合的应用 6

1.4图像融合的分类 7

1.4.1按信息表征层次分类 7

1.4.2按图像源分类 8

1.4.3按融合方法分类 9

本章小结 9

参考文献 9

第2章 像素级图像融合概述 13

2.1像素级图像融合的预处理 15

2.1.1图像配准 15

2.1.2图像去噪 16

2.2像素级图像融合方法综述 17

2.2.1加权平均图像融合方法 17

2.2.2 IHS空间图像融合方法 17

2.2.3主成分分析图像融合方法 18

2.2.4伪彩色图像融合方法 19

2.2.5基于统计估计的图像融合方法 20

2.3像素级图像融合性能评价 20

2.3.1主观评价 20

2.3.2客观评价 21

本章小结 26

参考文献 26

第3章 多尺度图像融合基本框架及研究现状 29

3.1多尺度图像融合的产生 31

3.2多尺度图像融合的基本框架 31

3.2.1多尺度分解方法 32

3.2.2融合准则 33

3.3多尺度图像融合的研究现状 34

3.4多尺度图像融合的研究难点 35

本章小结 36

参考文献 36

第4章 基于金字塔变换的图像融合 39

4.1金字塔变换 41

4.1.1高斯金字塔 41

4.1.2拉普拉斯金字塔 42

4.1.3对比度金字塔 44

4.1.4梯度金字塔 45

4.2基于金字塔变换的图像融合传统方法 46

4.2.1基于拉普拉斯金字塔的图像融合方法（LPT） 47

4.2.2基于对比度金字塔的图像融合方法（CPT） 47

4.2.3基于梯度金字塔的图像融合方法（GPT） 47

4.3实验结果及分析 48

本章小结 50

参考文献 50

第5章 基于小波变换的图像融合 53

5.1小波变换 55

5.1.1一维小波变换 55

5.1.2二维小波变换 63

5.2基于小波变换的图像融合传统方法 70

5.2.1选取系数绝对值最大的融合方法（w-Max） 71

5.2.2选取对比度绝对值最大的融合方法（w-Ctr） 71

5.2.3基于匹配度的融合方法（w-Match） 72

5.3一种基于小波域隐马尔可夫树模型的多聚焦图像融合方法 73

5.3.1隐马尔可夫模型 74

5.3.2小波域隐马尔可夫树模型 78

5.3.3基于小波变换的多聚焦图像融合方法 84

5.4实验结果及分析 85

本章小结 90

参考文献 90

第6章 基于多小波变换的图像融合 93

6.1多小波变换 95

6.1.1一维离散多小波变换 95

6.1.2二维离散多小波变换 97

6.2基于多小波变换的图像融合传统方法 98

6.2.1选取跨方向子带贡献最大的融合方法（DMWT-Qumar） 98

6.2.2基于Canny边缘检测的多聚焦图像融合方法（DMWT-Canny） 99

6.2.3基于范数的多光谱图像矢量融合方法（DMWT-Norm） 99

6.3一种基于多小波域双变量Alpha稳定分布的矢量图像融合方法 100

6.3.1 Alpha稳定分布 101

6.3.2多小波系数矢量统计特性分析 105

6.3.3矢量融合方法具体步骤 107

6.4实验结果及分析 108

本章小结 113

参考文献 113

第7章 基于Curvelet变换的图像融合 115

7.1 Curvelet变换 117

7.1.1连续时间Curvelet变换 117

7.1.2离散Curvelet变换 119

7.2基于Curvelet变换的图像融合传统方法 121

7.2.1选取系数绝对值最大的融合方法（CT-Max） 121

7.2.2选取区域能量最大的融合方法（CT-Emax） 122

7.2.3基于脉冲耦合神经网络的融合方法（CT-PCNN） 122

7.3一种基于Curvelet域自适应脉冲耦合神经网络的图像融合方法 123

7.3.1脉冲耦合神经网络（PCNN）模型 123

7.3.2基于Curvelet域自适应脉冲耦合神经网络的图像融合方法 128

7.4实验结果及分析 132

本章小结 137

参考文献 137

第8章 基于Contourlet变换的图像融合 139

8.1 Contourlet变换 141

8.1.1 LP变换 142

8.1.2方向滤波器组 143

8.1.3 Contourlet变换及其特点 145

8.2基于Contourlet变换的图像融合传统方法 146

8.3 Contourlet变换低通滤波器对融合算法性能的影响 148

8.4 Contourlet变换低通滤波器对融合图像中伪轮廓的影响 153

8.5 Contourlet变换低通滤波器对融合算法中分解层数选取的影响 157

本章小结 158

参考文献 158

第9章 基于多尺度边缘的图像融合 161

9.1图像多尺度边缘表示理论 163

9.1.1信号的多尺度边缘检测 163

9.1.2信号的多尺度边缘重构 165

9.2基于多尺度边缘的图像融合传统方法 168

9.2.1合并多尺度边缘的融合方法（MER-IF） 168

9.2.2基于多尺度边缘的去噪融合方法（MER-IFNR） 169

9.3一种基于多尺度边缘对失配/噪声鲁棒的图像融合方法 170

9.3.1算法框架构成 170

9.3.2多尺度边缘的处理 171

9.3.3关键度量的定义——边缘相关性 173

9.3.4多尺度边缘的配准过程 175

9.3.5多尺度边缘的融合准则 175

9.3.6多尺度边缘的重构 177

9.4实验结果及分析 177

9.4.1全局边缘相关性的单峰特性 178

9.4.2无噪声失配情况下融合结果分析 181

9.4.3有噪声失配情况下融合结果分析 186

本章小结 190

参考文献 190

第10章 多尺度图像融合的发展趋势 193

10.1多尺度图像融合理论与技术的发展方向 195

10.2理论技术发展对器件与系统发展的影响 196

本章小结 196