-- 會員 / 註冊 --  
 帳號:
 密碼:
  | 註冊 | 忘記密碼
3/26 新書到! 3/19 新書到! 3/14 新書到! 12/12 新書到!
購書流程Q & A站務留言版客服信箱
3ds MaxMayaRhinoAfter EffectsSketchUpZBrushPainterUnity
PhotoShopAutoCadMasterCamSolidWorksCreoUGRevitNuke
C#CC++Java遊戲程式Linux嵌入式PLCFPGAMatlab
駭客資料庫搜索引擎影像處理FluentVR+ARANSYS深度學習
單晶片AVROpenGLArduinoRaspberry Pi電路設計CadenceProtel
HadoopPythonStm32CortexLabview手機程式AndroidiPhone
可查書名,作者,ISBN,3dwoo書號
詳細書籍分類

數字圖像融合算法分析與應用

( 簡體 字)
作者:劉帥奇 鄭偉 趙杰 胡紹海 著類別:1. -> 教材 -> 數位影像處理
譯者:
出版社:機械工業出版社數字圖像融合算法分析與應用 3dWoo書號: 48609
詢問書籍請說出此書號!

有庫存
NT售價: 295

出版日:3/1/2018
頁數:261
光碟數:0
站長推薦:
印刷:黑白印刷語系: ( 簡體 版 )
加入購物車 加到我的最愛
(請先登入會員)
ISBN:9787111593027
作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 
(簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證)
作者序:

譯者序:

前言:

  圖像融合是將源自不同傳感器的多幅圖像中的重要信息融合到一幅圖像中的過程。圖像融合可以克服單一傳感器圖像的局限性和差異性,獲取更為全面和準確的場景描述,提高圖像的清晰度和可理解性,以便進一步進行圖像的分析和處理。圖像融合技術初期主要集中應用于軍事安全領域。例如,通過可見光圖像和紅外圖像的融合,可增強對目標的識別度,方便對目標的檢測和跟蹤,用以提高戰場的決策和指揮能力。由于其具有諸多優勢,所以近年來隨著信息技術的發展,圖像融合應用已經不限于戰場監控,而是廣泛應用于醫學成像、衛星遙感、氣象預報等諸多關系到國計民生的重要領域中。

  不同種類的圖像融合算法由低到高分為三個層次:數據級融合、特征級融合和決策級融合。數據級融合也稱為像素級融合,是指直接對傳感器采集的數據進行處理而獲得融合圖像的過程,是目前圖像融合研究的重點之一。其優點是能盡量地保持源圖像信息,提供其他融合層次所沒有的詳細場景。本書著重介紹的就是像素級的圖像融合算法,并且對常見的圖像融合種類都有所涉及,如多聚焦圖像融合、醫學圖像融合、紅外與可見光圖像融合和遙感圖像融合。本書內容新穎,算法豐富,講解翔實,可以給相關領域的研究人員、高校學生和教師及算法愛好者提供有效的幫助和指導。

  本書要求讀者具備信號與系統、數字信號處理、高等數學、線性代數和數字圖像處理等課程的基本知識。

本書特色

  1.內容豐富,結構合理

  本書首先詳細介紹了數字圖像融合的基本概念,然后全面介紹了常見的數字圖像融合算法的相關知識。在內容的編排上,本書根據讀者的學習過程對全書內容做了合理的梯度安排,更加適合讀者閱讀。

  2.算法豐富,講解翔實

  本書詳細介紹了多個常見數字圖像融合算法的理論與應用。每個算法都經過作者的精挑細選,具有很強的針對性。所有算法都是已經發表或者將要發表的論文成果,有較高的學術水平和較強的實用性。

  3.技術新穎,應用廣泛

  本書涉及多聚焦圖像融合、紅外與可見光圖像融合、醫學圖像融合及遙感圖像融合等前沿技術,這些技術都具有廣泛的應用前景,有很強的前瞻性。

  4.語言通俗,圖文并茂

  本書在講解知識點時給出了大量的圖示和圖表,以圖文并茂的方式幫助讀者更加直觀和深入地理解書中的內容,從而提高學習效率。

本書內容

  本書分為8章,按照不同的圖像源對圖像融合算法進行了詳細介紹。相應的融合算法主要包括多聚焦圖像的融合算法、可見光與紅外圖像的融合算法、醫學圖像的融合算法和遙感圖像的融合算法4大類。具體內容簡要介紹如下。

  第1章為圖像融合簡介,簡要介紹了圖像融合的研究背景和意義,以及圖像融合技術的研究現狀。對于圖像融合技術,介紹了圖像融合的層次和傳統的圖像融合方法,并指出了圖像融合研究中存在的問題;針對圖像融合效果的評價,介紹了主觀評價和客觀評價兩種標準。

  第2章介紹了基于小波的多聚焦圖像融合算法、基于輪廓波的多聚焦圖像融合算法和結合輪廓波變換與核范數最小化理論的多聚焦圖像融合算法。

  第3章介紹了基于剪切波域的各種多聚焦圖像融合算法、基于NSST-FRFT的多聚焦圖像融合算法、基于NSST域的自適應區域與脈沖發放皮層模型的多聚焦圖像融合算法、基于Smoothlet的多聚焦圖像融合算法和基于灰度共生矩陣的多聚焦圖像融合算法。

  第4章介紹了基于NSST域自適應PCNN的紅外與可見光圖像融合算法,以及基于NSST域模糊邏輯的紅外與可見光圖像融合算法等內容。

  第5章介紹了基于NSST和高斯混合模型的醫學彩色圖像融合算法、基于非下采樣復小波變換的醫學圖像融合算法、基于NSST變換和Smoothlet的醫學圖像融合算法,以及基于加權核范數最小化的醫學圖像融合算法等內容。

  第6章介紹了基于人工魚群算法優化的小波域醫學圖像融合算法,以及結合Shearlet變換和果蠅優化算法的甲狀腺圖像融合算法。

  第7章介紹了幾種傳統的遙感圖像融合算法,并介紹了基于復剪切波域的遙感圖像融合算法。

  第8章對全書內容進行了總結和展望。總結了數字圖像融合的發展及應用,并對數字圖像融合研究的前景進行了展望。

本書讀者對象

從事算法研究的技術人員;

從事數字圖像研究的人員;

計算機視覺研究人員;

衛星遙感研究人員;

醫學圖像研究人員;

數學建模愛好者;

高等院校理工科相關專業的學生和老師。

本書作者

  本書主要以編寫人員的課題研究內容為主,參考了參加本項目的博士生和碩士生發表的論文和實驗結果,同時部分內容參考和引用了國內外相關領域的論文和研究成果。

  本書主要由劉帥奇、鄭偉、趙杰和胡紹海編寫。其中,劉帥奇和胡紹海編寫了第1章;劉帥奇、胡紹海和趙杰編寫了第2章和第3章;劉帥奇、孫偉和胡紹海編寫了第4章;劉帥奇、趙杰和鄭偉編寫了第5章;鄭偉和趙杰編寫了第6章;扈琪和孫偉編寫了第7章;趙杰編寫了第8章。另外,石家莊鐵道大學的耿鵬,以及河北大學的李鵬飛等人也為本書的編寫做出了很多貢獻,在此表示感謝。

  本書在編寫過程中參考和引用了一些國內外專家的相關著作、論文和研究成果,具體參見本書的參考文獻。因篇幅所限,本書未能將所有引用的參考文獻全部收錄,需要的讀者可以發郵件索要。在此感謝這些文獻的著作者為本書的撰寫提供了十分珍貴的第一手資料!我們認為,本書是國內外數字圖像融合研究領域集體智慧的結晶,是研究工作者共同勞動的成果。

  由于作者水平和編寫時間所限,加之選材內容尚需充實和完善,書中可能還存在疏忽和錯漏之處,懇請廣大讀者批評指正。聯系我們請發電子郵件到hzbook2017@163.com。

  

  編著者
內容簡介:

本書全面介紹了數字圖像融合的基本概念和一些常見算法,便于讀者了解和學習數字圖像融合領域的一些前沿知識,以適應現代信息技術的發展。書中對不同傳感器獲得的數字圖像進行了分類,并對不同類型的數字圖像分別介紹了不同的圖像融合算法,可以給讀者提供有效的幫助和指導。

本書分為8章,主要內容包括圖像融合簡介、基于小波和輪廓波的多聚焦圖像融合、基于剪切波和Smoothlet的多聚焦圖像融合、紅外與可見光圖像融合、醫學圖像融合、基于仿生算法的醫學圖像融合、遙感圖像融合等,最后簡要介紹了數字圖像融合的發展趨勢。

本書適合計算機視覺、衛星遙感和醫學圖像等相關領域的研究人員、工程技術人員和算法愛好者閱讀,同時也適合各大院校電子信息專業的本科生、研究生和教師作為教材或教學參考書使用。



30秒了解本書精華內容

基于小波的多聚焦圖像融合算法

基于輪廓波的多聚焦圖像融合算法

結合輪廓波變換與核范數最小化理論的多聚焦圖像融合算法

基于剪切波的多聚焦圖像融合算法

基于NSST-FRFT的多聚焦圖像融合算法

基于NSST域的自適應區域與脈沖發放皮層模型的多聚焦圖像融合算法

基于Smoothlet的圖像融合

基于灰度共生矩陣的多聚焦圖像融合

基于NSST域自適應PCNN的紅外與可見光圖像融合算法

基于NSST域模糊邏輯紅外與可見光圖像融合算法

基于SCM和CST的紅外與可見光圖像融合算法

基于復剪切波域結合向導濾波與模糊邏輯的紅外與可見光圖像融合

基于NSST和高斯混合模型的醫學彩色圖像融合

基于非下采樣復小波變換的醫學圖像融合

基于NSST變換和Smoothlet的醫學圖像融合

Shearlet變換和稀疏表示相結合的甲狀腺圖像融合

基于加權核范數最小化的醫學圖像融合算法

基于改進拉普拉斯能量的醫學圖像融合

基于改進PCNN的非下采樣剪切波域醫學圖像融合

人工魚群算法優化的小波域圖像融合

結合Shearlet變換和果蠅優化算法的甲狀腺圖像融合

傳統的高分辨率遙融圖像融合方法及比較

基于復剪切波域的遙感圖像融合算法

數字圖像融合發展趨勢
目錄:

第1章 圖像融合簡介 1
1.1 研究背景及意義 1
1.2 國內外研究現狀 1
1.3 圖像融合基礎知識 3
1.3.1 圖像融合層次 3
1.3.2 傳統圖像融合算法 4
1.3.3 圖像融合存在的問題 6
1.4 圖像融合評價標準 7
1.4.1 主觀評價標準 7
1.4.2 客觀評價標準 8
第2章 基于小波和輪廓波的多聚焦圖像融合 12
2.1 多聚焦圖像特點 12
2.2 基于小波的多聚焦圖像融合算法 14
2.2.1 小波變換 14
2.2.2 小波域多聚焦圖像融合算法 23
2.2.3 基于小波的多聚焦圖像融合實驗結果分析 26
2.3 基于輪廓波的多聚焦圖像融合算法 26
2.3.1 輪廓波變換 27
2.3.2 復輪廓波變換 28
2.3.3 向導濾波 31
2.3.4 基于輪廓波變換圖像融合算法 33
2.3.5 實驗結果分析 35
2.4 結合輪廓波變換與核范數最小化理論的多聚焦圖像融合算法 44
2.4.1 核范數最小化理論 45
2.4.2 圖像融合算法 46
2.4.3 實驗結果與分析 48
2.5 本章小結 54
第3章 基于剪切波和Smoothlet的多聚焦圖像融合 55
3.1 剪切波變換基礎知識 55
3.1.1 剪切波變換 55
3.1.2 離散剪切波變換 57
3.1.3 非下采樣剪切波變換 61
3.2 基于剪切波的多聚焦圖像融合算法 61
3.2.1 基于剪切波變換的圖像融合框架 61
3.2.2 基于剪切波變換的圖像融合規則 62
3.2.3 實驗結果對比與分析 65
3.3 基于NSST-FRFT的多聚焦圖像融合算法 72
3.3.1 NSST-FRFT原理 72
3.3.2 NSST-FRFT圖像融合框架 73
3.3.3 圖像融合規則 73
3.3.4 實驗結果對比與分析 75
3.4 基于NSST域的自適應區域與脈沖發放皮層模型的多聚焦圖像融合算法 83
3.4.1 共享相似性和自適應區域 83
3.4.2 脈沖發放皮層模型 84
3.4.3 基于自適應區域、EOE和SCM的圖像融合 85
3.4.4 實驗結果分析 87
3.5 基于Smoothlet的圖像融合算法 91
3.5.1 Smoothlet變換及依賴變換理論介紹 92
3.5.2 基于NSCT和Smoothlet的圖像融合 97
3.5.3 仿真實驗和結果分析 99
3.6 基于灰度共生矩陣的多聚焦圖像融合算法 101
3.6.1 圖像的灰度共生矩陣 101
3.6.2 融合框架 102
3.6.3 實驗結果 104
3.7 本章小結 110
第4章 紅外與可見光圖像融合 111
4.1 紅外與可見光圖像特點 111
4.2 基于NSST域自適應PCNN的紅外與可見光圖像融合算法 112
4.2.1 區域提取 112
4.2.2 脈沖耦合神經網絡(PCNN) 113
4.2.3 圖像融合框架 114
4.2.4 圖像融合規則 115
4.2.5 實驗結果對比與分析 116
4.3 基于NSST域模糊邏輯的紅外與可見光圖像融合算法 119
4.3.1 圖像融合框架 120
4.3.2 圖像融合規則 121
4.3.3 實驗結果對比與分析 122
4.4 基于SCM和CST的紅外與可見光圖像融合算法 126
4.4.1 圖像融合框架 127
4.4.2 圖像融合規則 128
4.4.3 仿真驗證 130
4.5 基于復剪切波域結合向導濾波與模糊邏輯的紅外與可見光圖像融合算法 133
4.5.1 融合規則 133
4.5.2 仿真驗證 134
4.6 本章小結 137
第5章 醫學圖像融合 138
5.1 醫學圖像特點 138
5.2 基于NSST和高斯混合模型的醫學彩色圖像融合算法 140
5.2.1 HIS模型 140
5.2.2 高斯混合模型 142
5.2.3 圖像融合框架 143
5.2.4 圖像融合規則 144
5.2.5 實驗結果對比與分析 146
5.3 基于非下采樣復小波變換的醫學圖像融合算法 149
5.3.1 非下采樣復小波變換的基本理論 150
5.3.2 圖像融合步驟 152
5.3.3 實驗結果與分析 153
5.4 基于NSST變換和Smoothlet的醫學圖像融合算法 157
5.4.1 圖像融合框架 157
5.4.2 融合規則 159
5.4.3 仿真實驗和結果分析 160
5.5 Shearlet變換和稀疏表示相結合的甲狀腺圖像融合算法 161
5.5.1 圖像的稀疏表示 162
5.5.2 圖像融合算法 164
5.5.3 實驗結果與分析 166
5.6 基于加權核范數最小化的醫學圖像融合算法 170
5.6.1 加權核范數最小化理論 171
5.6.2 圖像自相似性 172
5.6.3 融合框架 173
5.6.4 實驗結果分析 175
5.7 基于改進拉普拉斯能量的醫學圖像融合算法 179
5.7.1 改進的拉普拉斯能量和 180
5.7.2 融合算法 182
5.7.3 實驗結果與分析 182
5.8 基于改進PCNN的非下采樣剪切波域醫學圖像融合算法 188
5.8.1 稀疏編碼與字典設計方法 188
5.8.2 基于稀疏表示的低頻圖像融合 192
5.8.3 滑動窗口尺寸對融合結果的影響 195
5.8.4 滑動步長對融合結果的影響 196
5.8.5 基于改進PCNN的高頻醫學圖像融合 197
5.8.6 不同的PCNN輸入項對融合結果的影響 199
5.8.7 不同的PCNN鏈接強度對融合結果的影響 200
5.8.8 整體融合算法 202
5.8.9 實驗結果與分析 203
5.9 本章小結 212
第6章 基于仿生算法的醫學圖像融合 213
6.1 仿生優化算法概述 214
6.1.1 粒子群算法 214
6.1.2 蟻群算法 215
6.1.3 人工魚群算法 216
6.2 基于人工魚群算法優化的小波域圖像融合算法 218
6.2.1 融合規則與具體算法步驟 218
6.2.2 實驗結果分析 221
6.3 結合Shearlet變換和果蠅優化算法的甲狀腺圖像融合算法 226
6.3.1 融合規則 227
6.3.2 實驗結果分析 229
6.4 本章小結 233
第7章 遙感圖像融合 234
7.1 傳統的高分辨率遙感圖像融合算法及比較 234
7.1.1 4種傳統融合算法的原理和分析 234
7.1.2 算法應用和比較 236
7.2 基于復剪切波域的遙感圖像融合算法 238
7.2.1 復剪切波 239
7.2.2 融合規則 241
7.2.3 實驗結果與分析 243
7.3 本章小結 252
第8章 數字圖像融合發展趨勢 253
8.1 數字圖像融合發展及應用 253
8.2 數字圖像融合研究的展望 255
參考文獻 256
序: