产品特色

编辑推荐

详细介绍了数字图像融合领域的一些基本概念和常见算法，涵盖多聚焦图像融合、红外与可见光图像融合、医学图像融合和遥感图像融合四大领域的前沿技术

着重介绍了像素级图像融合算法，对常见的图像融合种类都有所涉及

对不同传感器获得的数字图像进行了分类，并给出了不同的融合算法

书中介绍的每个算法都有很强的前瞻性、针对性和实用性

书中介绍的每个算法都具有较高的学术水平和广泛的应用前景

提供了20余个数字图像融合实验，并对实验结果进行了详细分析

讲解时给出了大量图示，帮助读者更加直观、深入地理解所学知识

内容简介

本书全面介绍了数字图像融合的基本概念和一些常见算法，便于读者了解和学习数字图像融合领域的一些前沿知识，以适应现代信息技术的发展。书中对不同传感器获得的数字图像进行了分类，并对不同类型的数字图像分别介绍了不同的图像融合算法，可以给读者提供有效的帮助和指导。

本书分为8章，主要内容包括图像融合简介、基于小波和轮廓波的多聚焦图像融合、基于剪切波和Smoothlet的多聚焦图像融合、红外与可见光图像融合、医学图像融合、基于仿生算法的医学图像融合、遥感图像融合等，zui后简要介绍了数字图像融合的发展趋势。

本书适合计算机视觉、卫星遥感和医学图像等相关领域的研究人员、工程技术人员和算法爱好者阅读，同时也适合各大院校电子信息专业的本科生、研究生和教师作为教材或教学参考书使用。

30秒了解本书精华内容

基于小波的多聚焦图像融合算法

基于轮廓波的多聚焦图像融合算法

结合轮廓波变换与核范数zui小化理论的多聚焦图像融合算法

基于剪切波的多聚焦图像融合算法

基于NSST-FRFT的多聚焦图像融合算法

基于NSST域的自适应区域与脉冲发放皮层模型的多聚焦图像融合算法

基于Smoothlet的图像融合

基于灰度共生矩阵的多聚焦图像融合

基于NSST域自适应PCNN的红外与可见光图像融合算法

基于NSST域模糊逻辑红外与可见光图像融合算法

基于SCM和CST的红外与可见光图像融合算法

基于复剪切波域结合向导滤波与模糊逻辑的红外与可见光图像融合

基于NSST和高斯混合模型的医学彩色图像融合

基于非下采样复小波变换的医学图像融合

基于NSST变换和Smoothlet的医学图像融合

Shearlet变换和稀疏表示相结合的甲状腺图像融合

基于加权核范数zui小化的医学图像融合算法

基于改进拉普拉斯能量的医学图像融合

基于改进PCNN的非下采样剪切波域医学图像融合

人工鱼群算法优化的小波域图像融合

结合Shearlet变换和果蝇优化算法的甲状腺图像融合

传统的高分辨率遥融图像融合方法及比较

基于复剪切波域的遥感图像融合算法

数字图像融合发展趋势

作者简介

刘帅奇 河北大学副教授、硕士生导师。毕业于北京交通大学信息所，研究方向为多维信号处理。主持国家自然科学基金1项、河北省自然科学基金1项、河北省教育厅项目1项。已发表和录用论文30多篇，其中包括10篇SCI检索期刊论文和10篇EI检索期刊论文。参与图像处理相关项目10余个，具有丰富的图像去噪和图像融合研究经验。参与编写并出版了《MATLAB程序设计基础与应用》一书。

郑伟 河北大学教授、硕士生导师。毕业于哈尔滨理工大学测试计量技术及仪器专业。长期从事医学图像融合算法的研究，并从事通信工程专业的一线教学，具有丰富的数字图像处理经验。发表各类论文20余篇，主持和参与各类项目10余项。

赵杰 河北大学教授、博士生导师、电子信息工程学院院长。毕业于河北工业大学电机与电器专业，研究方向为计算机视觉与图像处理。曾公派赴澳大利亚维多利亚大学做访问学者。有丰富的数字图像处理研究经验，贡献了一批具有重大影响力的成果。曾获河北省科技进步二等奖1项，三等奖1项，保定市科技进步一等奖2项，第六届河北省高等教育教学成果二等奖1项，2012年河北大学教学成果三等奖1项。主持和参与各类项目10余项。

胡绍海 北京交通大学教授、博士生导师、信息科学研究所副所长、教工党支部书记和物联网工程专业建设责任教授。毕业于北京交通大学信息所，研究领域包括信号检测与处理、人工神经网络、图像处理、物联网技术及应用等。近10年来主持和参与973、国家自然科学基金、红果园等40余个科研项目。发表学术论文100余篇，EI和ISTP检索论文50余篇。合作发表专著1部。曾获部级科技进步三等奖1项，北京市高等学校优秀青年骨干教师称号，计算机基础系列课程教学团队成员，信息所“数字媒体信息处理”教育部创新团队成员。

目录

目录
前言
第1章 图像融合简介1
1.1 研究背景及意义1
1.2 国内外研究现状1
1.3 图像融合基础知识3
1.3.1 图像融合层次3
1.3.2 传统图像融合算法4
1.3.3 图像融合存在的问题6
1.4 图像融合评价标准7
1.4.1 主观评价标准7
1.4.2 客观评价标准8
第2章 基于小波和轮廓波的多聚焦图像融合12
2.1 多聚焦图像特点12
2.2 基于小波的多聚焦图像融合算法14
2.2.1 小波变换14
2.2.2 小波域多聚焦图像融合算法23
2.2.3 基于小波的多聚焦图像融合实验结果分析26
2.3 基于轮廓波的多聚焦图像融合算法26
2.3.1 轮廓波变换27
2.3.2 复轮廓波变换28
2.3.3 向导滤波31
2.3.4 基于轮廓波变换图像融合算法33
2.3.5 实验结果分析35
2.4 结合轮廓波变换与核范数最小化理论的多聚焦图像融合算法44
2.4.1 核范数最小化理论45
2.4.2 图像融合算法46
2.4.3 实验结果与分析48
2.5 本章小结54
第3章 基于剪切波和Smoothlet的多聚焦图像融合55
3.1 剪切波变换基础知识55
3.1.1 剪切波变换55
3.1.2 离散剪切波变换57
3.1.3 非下采样剪切波变换61
3.2 基于剪切波的多聚焦图像融合算法61
3.2.1 基于剪切波变换的图像融合框架61
3.2.2 基于剪切波变换的图像融合规则62
3.2.3 实验结果对比与分析65
3.3 基于NSST-FRFT的多聚焦图像融合算法72
3.3.1 NSST-FRFT原理72
3.3.2 NSST-FRFT图像融合框架73
3.3.3 图像融合规则73
3.3.4 实验结果对比与分析75
3.4 基于NSST域的自适应区域与脉冲发放皮层模型的多聚焦图像融合算法83
3.4.1 共享相似性和自适应区域83
3.4.2 脉冲发放皮层模型84
3.4.3 基于自适应区域、EOE和SCM的图像融合85
3.4.4 实验结果分析87
3.5 基于Smoothlet的图像融合算法91
3.5.1 Smoothlet变换及依赖变换理论介绍92
3.5.2 基于NSCT和Smoothlet的图像融合97
3.5.3 仿真实验和结果分析99
3.6 基于灰度共生矩阵的多聚焦图像融合算法101
3.6.1 图像的灰度共生矩阵101
3.6.2 融合框架102
3.6.3 实验结果104
3.7 本章小结110
第4章 红外与可见光图像融合111
4.1 红外与可见光图像特点111
4.2 基于NSST域自适应PCNN的红外与可见光图像融合算法112
4.2.1 区域提取112
4.2.2 脉冲耦合神经网络（PCNN）113
4.2.3 图像融合框架114
4.2.4 图像融合规则115
4.2.5 实验结果对比与分析116
4.3 基于NSST域模糊逻辑的红外与可见光图像融合算法119
4.3.1 图像融合框架120
4.3.2 图像融合规则121
4.3.3 实验结果对比与分析122
4.4 基于SCM和CST的红外与可见光图像融合算法126
4.4.1 图像融合框架127
4.4.2 图像融合规则128
4.4.3 仿真验证130
4.5 基于复剪切波域结合向导滤波与模糊逻辑的红外与可见光图像融合算法133
4.5.1 融合规则133
4.5.2 仿真验证134
4.6 本章小结137
第5章 医学图像融合138
5.1 医学图像特点138
5.2 基于NSST和高斯混合模型的医学彩色图像融合算法140
5.2.1 HIS模型140
5.2.2 高斯混合模型142
5.2.3 图像融合框架143
5.2.4 图像融合规则144
5.2.5 实验结果对比与分析146
5.3 基于非下采样复小波变换的医学图像融合算法149
5.3.1 非下采样复小波变换的基本理论150
5.3.2 图像融合步骤152
5.3.3 实验结果与分析153
5.4 基于NSST变换和Smoothlet的医学图像融合算法157
5.4.1 图像融合框架157
5.4.2 融合规则159
5.4.3 仿真实验和结果分析160
5.5 Shearlet变换和稀疏表示相结合的甲状腺图像融合算法161
5.5.1 图像的稀疏表示162
5.5.2 图像融合算法164
5.5.3 实验结果与分析166
5.6 基于加权核范数最小化的医学图像融合算法170
5.6.1 加权核范数最小化理论171
5.6.2 图像自相似性172
5.6.3 融合框架173
5.6.4 实验结果分析175
5.7 基于改进拉普拉斯能量的医学图像融合算法179
5.7.1 改进的拉普拉斯能量和180
5.7.2 融合算法182
5.7.3 实验结果与分析182
5.8 基于改进PCNN的非下采样剪切波域医学图像融合算法188
5.8.1 稀疏编码与字典设计方法188
5.8.2 基于稀疏表示的低频图像融合192
5.8.3 滑动窗口尺寸对融合结果的影响195
5.8.4 滑动步长对融合结果的影响196
5.8.5 基于改进PCNN的高频医学图像融合197
5.8.6 不同的PCNN输入项对融合结果的影响199
5.8.7 不同的PCNN链接强度对融合结果的影响200
5.8.8 整体融合算法202
5.8.9 实验结果与分析203
5.9 本章小结212
第6章 基于仿生算法的医学图像融合213
6.1 仿生优化算法概述214
6.1.1 粒子群算法214
6.1.2 蚁群算法215
6.1.3 人工鱼群算法216
6.2 基于人工鱼群算法优化的小波域图像融合算法218
6.2.1 融合规则与具体算法步骤218
6.2.2 实验结果分析221
6.3 结合Shearlet变换和果蝇优化算法的甲状腺图像融合算法226
6.3.1 融合规则227
6.3.2 实验结果分析229
6.4 本章小结233
第7章 遥感图像融合234
7.1 传统的高分辨率遥感图像融合算法及比较234
7.1.1 4种传统融合算法的原理和分析234
7.1.2 算

前言/序言

前言　　图像融合是将源自不同传感器的多幅图像中的重要信息融合到一幅图像中的过程。图像融合可以克服单一传感器图像的局限性和差异性，获取更为全面和准确的场景描述，提高图像的清晰度和可理解性，以便进一步进行图像的分析和处理。图像融合技术初期主要集中应用于军事安全领域。例如，通过可见光图像和红外图像的融合，可增强对目标的识别度，方便对目标的检测和跟踪，用以提高战场的决策和指挥能力。由于其具有诸多优势，所以近年来随着信息技术的发展，图像融合应用已经不限于战场监控，而是广泛应用于医学成像、卫星遥感、气象预报等诸多关系到国计民生的重要领域中。
　　不同种类的图像融合算法由低到高分为三个层次：数据级融合、特征级融合和决策级融合。数据级融合也称为像素级融合，是指直接对传感器采集的数据进行处理而获得融合图像的过程，是目前图像融合研究的重点之一。其优点是能尽量地保持源图像信息，提供其他融合层次所没有的详细场景。本书着重介绍的就是像素级的图像融合算法，并且对常见的图像融合种类都有所涉及，如多聚焦图像融合、医学图像融合、红外与可见光图像融合和遥感图像融合。本书内容新颖，算法丰富，讲解翔实，可以给相关领域的研究人员、高校学生和教师及算法爱好者提供有效的帮助和指导。
　　本书要求读者具备信号与系统、数字信号处理、高等数学、线性代数和数字图像处理等课程的基本知识。
本书特色　　1．内容丰富，结构合理　　本书首先详细介绍了数字图像融合的基本概念，然后全面介绍了常见的数字图像融合算法的相关知识。在内容的编排上，本书根据读者的学习过程对全书内容做了合理的梯度安排，更加适合读者阅读。
　　2．算法丰富，讲解翔实　　本书详细介绍了多个常见数字图像融合算法的理论与应用。每个算法都经过作者的精挑细选，具有很强的针对性。所有算法都是已经发表或者将要发表的论文成果，有较高的学术水平和较强的实用性。
　　3．技术新颖，应用广泛　　本书涉及多聚焦图像融合、红外与可见光图像融合、医学图像融合及遥感图像融合等前沿技术，这些技术都具有广泛的应用前景，有很强的前瞻性。
　　4．语言通俗，图文并茂　　本书在讲解知识点时给出了大量的图示和图表，以图文并茂的方式帮助读者更加直观和深入地理解书中的内容，从而提高学习效率。
本书内容　　本书分为8章，按照不同的图像源对图像融合算法进行了详细介绍。相应的融合算法主要包括多聚焦图像的融合算法、可见光与红外图像的融合算法、医学图像的融合算法和遥感图像的融合算法4大类。具体内容简要介绍如下。
　　第1章为图像融合简介，简要介绍了图像融合的研究背景和意义，以及图像融合技术的研究现状。对于图像融合技术，介绍了图像融合的层次和传统的图像融合方法，并指出了图像融合研究中存在的问题；针对图像融合效果的评价，介绍了主观评价和客观评价两种标准。
　　第2章介绍了基于小波的多聚焦图像融合算法、基于轮廓波的多聚焦图像融合算法和结合轮廓波变换与核范数最小化理论的多聚焦图像融合算法。
　　第3章介绍了基于剪切波域的各种多聚焦图像融合算法、基于NSST-FRFT的多聚焦图像融合算法、基于NSST域的自适应区域与脉冲发放皮层模型的多聚焦图像融合算法、基于Smoothlet的多聚焦图像融合算法和基于灰度共生矩阵的多聚焦图像融合算法。
　　第4章介绍了基于NSST域自适应PCNN的红外与可见光图像融合算法，以及基于NSST域模糊逻辑的红外与可见光图像融合算法等内容。
　　第5章介绍了基于NSST和高斯混合模型的医学彩色图像融合算法、基于非下采样复小波变换的医学图像融合算法、基于NSST变换和Smoothlet的医学图像融合算法，以及基于加权核范数最小化的医学图像融合算法等内容。
　　第6章介绍了基于人工鱼群算法优化的小波域医学图像融合算法，以及结合Shearlet变换和果蝇优化算法的甲状腺图像融合算法。
　　第7章介绍了几种传统的遥感图像融合算法，并介绍了基于复剪切波域的遥感图像融合算法。
　　第8章对全书内容进行了总结和展望。总结了数字图像融合的发展及应用，并对数字图像融合研究的前景进行了展望。
本书读者对象从事算法研究的技术人员；从事数字图像研究的人员；计算机视觉研究人员；卫星遥感研究人员；医学图像研究人员；数学建模爱好者；高等院校理工科相关专业的学生和老师。
本书作者　　本书主要以编写人员的课题研究内容为主，参考了参加本项目的博士生和硕士生发表的论文和实验结果，同时部分内容参考和引用了国内外相关领域的论文和研究成果。
　　本书主要由刘帅奇、郑伟、赵杰和胡绍海编写。其中，刘帅奇和胡绍海编写了第1章；刘帅奇、胡绍海和赵杰编写了第2章和第3章；刘帅奇、孙伟和胡绍海编写了第4章；刘帅奇、赵杰和郑伟编写了第5章；郑伟和赵杰编写了第6章；扈琪和孙伟编写了第7章；赵杰编写了第8章。另外，石家庄铁道大学的耿鹏，以及河北大学的李鹏飞等人也为本书的编写做出了很多贡献，在此表示感谢。
　　本书在编写