多尺度图像融合理论与方法2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

多尺度图像融合理论与方法PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

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