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