多源圖像融合
王兆濱,張耀南,馬義德
相關主題
商品描述
本書圍繞多源圖像融合技術，基於脈沖耦合神經網絡、隨機漫步、引導濾波和稀疏表示理論深入研究並探索多聚焦圖像融合和多模態醫學圖像融合的方法。本書內容來自作者研究團隊10多年來的科研積累和知識沉澱，相關方法也都是作者研究團隊在現有基礎上的創新與改進。
目錄大綱
目錄
前言
第1章 多聚焦圖像融合 1
1.1 多聚焦圖像融合概述 1
1.1.1 圖像融合基礎 1
1.1.2 多聚焦圖像及其融合技術 4
1.2 多聚焦圖像融合框架 6
1.2.1 基於空間域的融合方法 6
1.2.2 基於變換域的融合方法 10
1.2.3 基於深度學習的融合方法.12
1.3 多聚焦圖像融合的評價方法 14
參考文獻 20
第2章 基於脈沖耦合神經網絡的多聚焦圖像融合 22
2.1 脈沖耦合神經網絡理論 22
2.1.1 PCNN模型 23
2.1.2 在圖像處理領域的應用 29
2.1.3 在非圖像處理領域的應用.33
2.1.4 硬件實現 34
2.2 PCNN在圖像融合中的應用 34
2.2.1 空間域圖像融合 35
2.2.2 變換域圖像融合 38
2.2.3 硬件實現 44
2.3 基於雙通道PCNN的多聚焦圖像融合算法 44
2.3.1 雙通道PCNN模型 44
2.3.2 基於雙通道PCNN的融合算法.46
2.3.3 實驗結果與分析 49
參考文獻 58
第3章 基於隨機漫步的多聚焦圖像融合 73
3.1 隨機漫步理論 73
3.1.1 隨機漫步標準模型 73
3.1.2 隨機漫步改進模型 77
3.2 隨機漫步在圖像處理中的應用 82
3.2.1 基於隨機漫步的圖像分割 82
3.2.2 基於隨機漫步的圖像融合 88
3.2.3 基於隨機漫步的其他應用 90
3.3 基於隨機漫步與PCNN的多聚焦圖像融合算法 96
3.3.1 自啟動隨機漫步模型 96
3.3.2 改進的PCNN模型 99
3.3.3 算法描述 100
3.3.4 實驗結果與分析 103
參考文獻 116
第4章 基於引導濾波的多聚焦圖像融合 121
4.1 引導濾波 121
4.1.1 引導濾波理論 121
4.1.2 引導濾波在圖像處理領域的應用 122
4.2 基於引導濾波器和PCNN的圖像融合算法 123
4.2.1 改進的PCNN模型 123
4.2.2 算法描述 124
4.2.3 實驗結果與分析 127
4.3 基於引導濾波與隨機漫步的圖像融合算法 135
4.3.1 算法描述 136
4.3.2 實驗結果與分析 139
4.4 基於引導濾波與隨機漫步的圖像融合改進算法 146
4.4.1 算法描述 146
4.4.2 實驗結果與分析 149
參考文獻 156
第5章 拼接縫圖像融合 157
5.1 圖像拼接 157
5.1.1 拼接流程 158
5.1.2 圖像配準 159
5.2 圖像拼接中的圖像融合 167
5.2.1 拼接縫的產生 167
5.2.2 拼接縫的消除方法 168
5.3 基於曲波變換的拼接縫融合算法 170
5.3.1 曲波變換 170
5.3.2 拼接縫融合 173
5.3.3 實驗結果與分析 175
參考文獻 188
第6章 多模態醫學圖像融合 193
6.1 醫學圖像融合概述 193
6.1.1 基本概念 194
6.1.2 研究現狀 194
6.2 圖像融合評價 196
6.2.1 評價方法 196
6.2.2 評價指標分析 203
6.3 基於多通道 PCNN 的醫學圖像融合算法 205
6.3.1 圖像融合算法 206
6.3.2 實驗結果與分析 207
參考文獻 214
第7章 基於自適應稀疏表示的多模態圖像融合 218
7.1 相關基礎理論 218
7.1.1 圖像的多尺度變換 218
7.1.2 稀疏表示 222
7.1.3 融合規則 223
7.1.4 融合算法評價 226
7.2 基於自適應稀疏表示與引導濾波的圖像融合算法 228
7.2.1 相關模型 228
7.2.2 算法描述 232
7.2.3 算法模擬和評價 236
7.3 基於自適應稀疏表示與拉普拉斯金字塔的圖像融合算法 243
7.3.1 算法描述 243
7.3.2 算法模擬和評價 246
參考文獻 253
前言
第1章 多聚焦圖像融合 1
1.1 多聚焦圖像融合概述 1
1.1.1 圖像融合基礎 1
1.1.2 多聚焦圖像及其融合技術 4
1.2 多聚焦圖像融合框架 6
1.2.1 基於空間域的融合方法 6
1.2.2 基於變換域的融合方法 10
1.2.3 基於深度學習的融合方法.12
1.3 多聚焦圖像融合的評價方法 14
參考文獻 20
第2章 基於脈沖耦合神經網絡的多聚焦圖像融合 22
2.1 脈沖耦合神經網絡理論 22
2.1.1 PCNN模型 23
2.1.2 在圖像處理領域的應用 29
2.1.3 在非圖像處理領域的應用.33
2.1.4 硬件實現 34
2.2 PCNN在圖像融合中的應用 34
2.2.1 空間域圖像融合 35
2.2.2 變換域圖像融合 38
2.2.3 硬件實現 44
2.3 基於雙通道PCNN的多聚焦圖像融合算法 44
2.3.1 雙通道PCNN模型 44
2.3.2 基於雙通道PCNN的融合算法.46
2.3.3 實驗結果與分析 49
參考文獻 58
第3章 基於隨機漫步的多聚焦圖像融合 73
3.1 隨機漫步理論 73
3.1.1 隨機漫步標準模型 73
3.1.2 隨機漫步改進模型 77
3.2 隨機漫步在圖像處理中的應用 82
3.2.1 基於隨機漫步的圖像分割 82
3.2.2 基於隨機漫步的圖像融合 88
3.2.3 基於隨機漫步的其他應用 90
3.3 基於隨機漫步與PCNN的多聚焦圖像融合算法 96
3.3.1 自啟動隨機漫步模型 96
3.3.2 改進的PCNN模型 99
3.3.3 算法描述 100
3.3.4 實驗結果與分析 103
參考文獻 116
第4章 基於引導濾波的多聚焦圖像融合 121
4.1 引導濾波 121
4.1.1 引導濾波理論 121
4.1.2 引導濾波在圖像處理領域的應用 122
4.2 基於引導濾波器和PCNN的圖像融合算法 123
4.2.1 改進的PCNN模型 123
4.2.2 算法描述 124
4.2.3 實驗結果與分析 127
4.3 基於引導濾波與隨機漫步的圖像融合算法 135
4.3.1 算法描述 136
4.3.2 實驗結果與分析 139
4.4 基於引導濾波與隨機漫步的圖像融合改進算法 146
4.4.1 算法描述 146
4.4.2 實驗結果與分析 149
參考文獻 156
第5章 拼接縫圖像融合 157
5.1 圖像拼接 157
5.1.1 拼接流程 158
5.1.2 圖像配準 159
5.2 圖像拼接中的圖像融合 167
5.2.1 拼接縫的產生 167
5.2.2 拼接縫的消除方法 168
5.3 基於曲波變換的拼接縫融合算法 170
5.3.1 曲波變換 170
5.3.2 拼接縫融合 173
5.3.3 實驗結果與分析 175
參考文獻 188
第6章 多模態醫學圖像融合 193
6.1 醫學圖像融合概述 193
6.1.1 基本概念 194
6.1.2 研究現狀 194
6.2 圖像融合評價 196
6.2.1 評價方法 196
6.2.2 評價指標分析 203
6.3 基於多通道 PCNN 的醫學圖像融合算法 205
6.3.1 圖像融合算法 206
6.3.2 實驗結果與分析 207
參考文獻 214
第7章 基於自適應稀疏表示的多模態圖像融合 218
7.1 相關基礎理論 218
7.1.1 圖像的多尺度變換 218
7.1.2 稀疏表示 222
7.1.3 融合規則 223
7.1.4 融合算法評價 226
7.2 基於自適應稀疏表示與引導濾波的圖像融合算法 228
7.2.1 相關模型 228
7.2.2 算法描述 232
7.2.3 算法模擬和評價 236
7.3 基於自適應稀疏表示與拉普拉斯金字塔的圖像融合算法 243
7.3.1 算法描述 243
7.3.2 算法模擬和評價 246
參考文獻 253
