模型和數據雙驅動的多波段圖像融合理論與方法

藺素珍,李大威

模型和數據雙驅動的多波段圖像融合理論與方法
  • 出版商: 電子工業
  • 出版日期: 2023-03-01
  • 售價: $414
  • 貴賓價: 9.5 折 $393
  • 語言: 簡體中文
  • 頁數: 152
  • ISBN: 7121452553
  • ISBN-13: 9787121452550

    • 立即出貨(限量) (庫存=1)

買這商品的人也買了...

商品描述

本書在總結多波段圖像融合的研究現狀、存在問題及發展趨勢的基礎上，提出了模型和數據雙驅動的多波段圖像融合概念、理論與方法。本書內容主要集中於模型和數據雙驅動的多波段圖像自適應分解重構方法、多波段圖像自適應融合規則構建方法、基於GAN的多波段圖像同步自適應融合方法、多波段圖像的同步超分與融合方法等8個方法，不僅實現了原圖像成像效果不理想情況下的高清融合，而且初步實現了人工神經網絡設計的可預期性、可解釋性和可控性。

目錄大綱

第1章 緒論
1.1 多波段圖像融合的背景及意義
1.2 多波段圖像融合的國內外研究現狀
1.2.1 模型驅動的融合方法及其問題
1.2.2 基於數據驅動的融合方法研究現狀
1.3 多波段圖像融合存在的問題及解決思路
1.3.1 存在的問題
1.3.2 解決思路——雙驅動的圖像融合
1.4 本書的研究思路和章節安排
1.4.1 研究思路
1.4.2 章節安排
1.5 本章小結
1.6 本章參考文獻
第2章 多波段圖像自適應融合關鍵技術
2.1 概述
2.2 圖像預處理
2.2.1 圖像去噪
2.2.2 圖像增強
2.3 深度學習訓練數據集構建
2.3.1 自適應分解重構網絡訓練集構建
2.3.2 自適應融合網絡訓練集構建
2.3.3 多波段圖像同步融合數據集構建
2.3.4 紅外超分圖像數據集構建
2.4 深度學習模型構建
2.4.1 AE構建
2.4.2 CNN構建
2.4.3 殘差神經網絡（ResNet)構建
2.4.4 生成對抗網絡（GAN）構建及其改進
2.4.5 註意力機制
2.4.6 編碼-解碼網絡構建
2.4.7 密集連接網絡構建
2.5 深度學習模型訓練方法
2.5.1 反向傳播算法
2.5.2 模型訓練優化方法
2.6 多波段圖像融合結果評價
2.6.1 主觀評價
2.6.2 客觀評價
2.7 本章小結
2.8 本章參考文獻
第3章 多波段圖像自適應分解重構方法
3.1 概述
3.2 研究思路
3.3 自適應分解重構網絡構建與訓練
3.3.1 網絡構建
3.3.2 網絡訓練
3.4 消融實驗
3.4.1 網絡參數的影響與選擇
3.4.2 學習率的影響與選擇
3.4.3 堆疊個數的影響與選擇
3.4.4 激活函數的影響與選擇
3.5 實驗結果比較
3.5.1 主觀評價
3.5.2 客觀評價
3.6 本章小結
3.7 本章參考文獻
第4章 多波段圖像自適應融合規則構建方法
4.1 概述
4.2 研究思路
4.3 自適應融合網絡構建與訓練
4.3.1 網絡構建
4.3.2 網絡訓練
4.4 消融實驗
4.4.1 正則項系數的選擇與影響
4.4.2 激活函數的選擇與影響
4.4.3 附加項的影響
4.4.4 網絡層數及捲積核個數的影響
4.5 實驗結果比較
4.5.1 主觀評價
4.5.2 客觀評價
4.6 本章小結
4.7 本章參考文獻
第5章 基於GAN的多波段圖像同步自適應融合方法
5.1 概述
5.2 研究思路
5.3 網絡構建與訓練
5.3.1 網絡構建
5.3.2 網絡訓練
5.4 消融實驗
5.4.1 學習率的影響
5.4.2 梯度損失權重的影響
5.5 實驗結果分析
5.5.1 主觀評價
5.5.2 客觀評價
5.6 本章小結
5.7 本章參考文獻
第6章 基於註意力機制的多波段圖像自適應融合方法
6.1 概述
6.2 研究思路
6.3 註意力機制網絡構建與訓練
6.3.1 網絡構建
6.3.2 網絡訓練
6.4 消融實驗
6.4.1 註意力機制的影響
6.4.2 網絡結構的影響
6.5 實驗結果分析
6.5.1 主觀評價
6.5.2 客觀評價
6.6 本章小結
6.7 本章參考文獻
第7章 多波段圖像的MDGAN同步融合方法
7.1 概述
7.2 研究思路
7.3 多波段圖像的MDGAN同步融合網絡構建方法
7.3.1 MDGAN網絡結構
7.3.2 多任務損失函數構建
7.4 消融實驗
7.4.1 反饋密集網絡（FDN）的影響
7.4.2 損失函數的影響
7.5 實驗結果分析
7.5.1 主觀評價
7.5.2 客觀評價
7.6 本章小結
7.7 本章參考文獻
第8章 多波段圖像的多對比度超分融合方法
8.1 概述
8.2 研究思路
8.3 多對比度超分融合網絡構建方法
8.3.1 多對比度超分融合網絡結構
8.3.2 多任務損失函數構建
8.4 消融實驗
8.4.1 紅外超分圖像的影響
8.4.2 網絡結構的影響
8.5 實驗結果分析
8.5.1 主觀評價
8.5.2 客觀評價
8.6 本章小結
8.7 本章參考文獻
第9章 多波段圖像的WGAN-GPSR & Fusion同步超分與融合方法
9.1 概述
9.2 研究思路
9.3 WGAN-GPSR & Fusion網絡構建方法
9.3.1 WGAN-GPSR & Fusion網絡結構
9.3.2 多任務損失函數構建
9.4 消融實驗
9.4.1 多任務損失函數的影響
9.4.2 網絡結構的影響
9.5 實驗結果分析
9.5.1 主觀評價
9.5.2 客觀評價
9.6 本章小結
9.7 本章參考文獻
第10章 多波段圖像的DenseSR&Fusion同步超分與融合方法
10.1 概述
10.2 研究思路
10.3 DenseSR & Fusion網絡構建方法
10.3.1 DenseSR & Fusion網絡結構
10.3.2 損失函數構建
10.4 消融實驗
10.4.1 局部遍歷算子的影響
10.4.2 SSIM損失的影響
10.5 實驗結果分析
10.5.1 主觀評價
10.5.2 客觀評價
10.6 本章小結
10.7 本章參考文獻

類似商品