産品特色

編輯推薦

詳細介紹瞭數字圖像融閤領域的一些基本概念和常見算法，涵蓋多聚焦圖像融閤、紅外與可見光圖像融閤、醫學圖像融閤和遙感圖像融閤四大領域的前沿技術

著重介紹瞭像素級圖像融閤算法，對常見的圖像融閤種類都有所涉及

對不同傳感器獲得的數字圖像進行瞭分類，並給齣瞭不同的融閤算法

書中介紹的每個算法都有很強的前瞻性、針對性和實用性

書中介紹的每個算法都具有較高的學術水平和廣泛的應用前景

提供瞭20餘個數字圖像融閤實驗，並對實驗結果進行瞭詳細分析

講解時給齣瞭大量圖示，幫助讀者更加直觀、深入地理解所學知識

內容簡介

本書全麵介紹瞭數字圖像融閤的基本概念和一些常見算法，便於讀者瞭解和學習數字圖像融閤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瞭分類，並對不同類型的數字圖像分彆介紹瞭不同的圖像融閤算法，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閤簡介、基於小波和輪廓波的多聚焦圖像融閤、基於剪切波和Smoothlet的多聚焦圖像融閤、紅外與可見光圖像融閤、醫學圖像融閤、基於仿生算法的醫學圖像融閤、遙感圖像融閤等，zui後簡要介紹瞭數字圖像融閤的發展趨勢。

本書適閤計算機視覺、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，同時也適閤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秒瞭解本書精華內容

基於小波的多聚焦圖像融閤算法

基於輪廓波的多聚焦圖像融閤算法

結閤輪廓波變換與核範數zui小化理論的多聚焦圖像融閤算法

基於剪切波的多聚焦圖像融閤算法

基於NSST-FRFT的多聚焦圖像融閤算法

基於NSST域的自適應區域與脈衝發放皮層模型的多聚焦圖像融閤算法

基於Smoothlet的圖像融閤

基於灰度共生矩陣的多聚焦圖像融閤

基於NSST域自適應PCNN的紅外與可見光圖像融閤算法

基於NSST域模糊邏輯紅外與可見光圖像融閤算法

基於SCM和CST的紅外與可見光圖像融閤算法

基於復剪切波域結閤嚮導濾波與模糊邏輯的紅外與可見光圖像融閤

基於NSST和高斯混閤模型的醫學彩色圖像融閤

基於非下采樣復小波變換的醫學圖像融閤

基於NSST變換和Smoothlet的醫學圖像融閤

Shearlet變換和稀疏錶示相結閤的甲狀腺圖像融閤

基於加權核範數zui小化的醫學圖像融閤算法

基於改進拉普拉斯能量的醫學圖像融閤

基於改進PCNN的非下采樣剪切波域醫學圖像融閤

人工魚群算法優化的小波域圖像融閤

結閤Shearlet變換和果蠅優化算法的甲狀腺圖像融閤

傳統的高分辨率遙融圖像融閤方法及比較

基於復剪切波域的遙感圖像融閤算法

數字圖像融閤發展趨勢

作者簡介

劉帥奇 河北大學副教授、碩士生導師。畢業於北京交通大學信息所，研究方嚮為多維信號處理。主持國傢自然科學基金1項、河北省自然科學基金1項、河北省教育廳項目1項。已發錶和錄用論文30多篇，其中包括10篇SCI檢索期刊論文和10篇EI檢索期刊論文。參與圖像處理相關項目10餘個，具有豐富的圖像去噪和圖像融閤研究經驗。參與編寫並齣版瞭《MATLAB程序設計基礎與應用》一書。

鄭偉 河北大學教授、碩士生導師。畢業於哈爾濱理工大學測試計量技術及儀器專業。長期從事醫學圖像融閤算法的研究，並從事通信工程專業的一綫教學，具有豐富的數字圖像處理經驗。發錶各類論文20餘篇，主持和參與各類項目10餘項。

趙傑 河北大學教授、博士生導師、電子信息工程學院院長。畢業於河北工業大學電機與電器專業，研究方嚮為計算機視覺與圖像處理。曾公派赴澳大利亞維多利亞大學做訪問學者。有豐富的數字圖像處理研究經驗，貢獻瞭一批具有重大影響力的成果。曾獲河北省科技進步二等奬1項，三等奬1項，保定市科技進步一等奬2項，第六屆河北省高等教育教學成果二等奬1項，2012年河北大學教學成果三等奬1項。主持和參與各類項目10餘項。

鬍紹海 北京交通大學教授、博士生導師、信息科學研究所副所長、教工黨支部書記和物聯網工程專業建設責任教授。畢業於北京交通大學信息所，研究領域包括信號檢測與處理、人工神經網絡、圖像處理、物聯網技術及應用等。近10年來主持和參與973、國傢自然科學基金、紅果園等40餘個科研項目。發錶學術論文100餘篇，EI和ISTP檢索論文50餘篇。閤作發錶專著1部。曾獲部級科技進步三等奬1項，北京市高等學校優秀青年骨乾教師稱號，計算機基礎係列課程教學團隊成員，信息所“數字媒體信息處理”教育部創新團隊成員。

目錄

目錄
前言
第1章 圖像融閤簡介1
1.1 研究背景及意義1
1.2 國內外研究現狀1
1.3 圖像融閤基礎知識3
1.3.1 圖像融閤層次3
1.3.2 傳統圖像融閤算法4
1.3.3 圖像融閤存在的問題6
1.4 圖像融閤評價標準7
1.4.1 主觀評價標準7
1.4.2 客觀評價標準8
第2章 基於小波和輪廓波的多聚焦圖像融閤12
2.1 多聚焦圖像特點12
2.2 基於小波的多聚焦圖像融閤算法14
2.2.1 小波變換14
2.2.2 小波域多聚焦圖像融閤算法23
2.2.3 基於小波的多聚焦圖像融閤實驗結果分析26
2.3 基於輪廓波的多聚焦圖像融閤算法26
2.3.1 輪廓波變換27
2.3.2 復輪廓波變換28
2.3.3 嚮導濾波31
2.3.4 基於輪廓波變換圖像融閤算法33
2.3.5 實驗結果分析35
2.4 結閤輪廓波變換與核範數最小化理論的多聚焦圖像融閤算法44
2.4.1 核範數最小化理論45
2.4.2 圖像融閤算法46
2.4.3 實驗結果與分析48
2.5 本章小結54
第3章 基於剪切波和Smoothlet的多聚焦圖像融閤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 基於剪切波的多聚焦圖像融閤算法61
3.2.1 基於剪切波變換的圖像融閤框架61
3.2.2 基於剪切波變換的圖像融閤規則62
3.2.3 實驗結果對比與分析65
3.3 基於NSST-FRFT的多聚焦圖像融閤算法72
3.3.1 NSST-FRFT原理72
3.3.2 NSST-FRFT圖像融閤框架73
3.3.3 圖像融閤規則73
3.3.4 實驗結果對比與分析75
3.4 基於NSST域的自適應區域與脈衝發放皮層模型的多聚焦圖像融閤算法83
3.4.1 共享相似性和自適應區域83
3.4.2 脈衝發放皮層模型84
3.4.3 基於自適應區域、EOE和SCM的圖像融閤85
3.4.4 實驗結果分析87
3.5 基於Smoothlet的圖像融閤算法91
3.5.1 Smoothlet變換及依賴變換理論介紹92
3.5.2 基於NSCT和Smoothlet的圖像融閤97
3.5.3 仿真實驗和結果分析99
3.6 基於灰度共生矩陣的多聚焦圖像融閤算法101
3.6.1 圖像的灰度共生矩陣101
3.6.2 融閤框架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閤111
4.1 紅外與可見光圖像特點111
4.2 基於NSST域自適應PCNN的紅外與可見光圖像融閤算法112
4.2.1 區域提取112
4.2.2 脈衝耦閤神經網絡（PCNN）113
4.2.3 圖像融閤框架114
4.2.4 圖像融閤規則115
4.2.5 實驗結果對比與分析116
4.3 基於NSST域模糊邏輯的紅外與可見光圖像融閤算法119
4.3.1 圖像融閤框架120
4.3.2 圖像融閤規則121
4.3.3 實驗結果對比與分析122
4.4 基於SCM和CST的紅外與可見光圖像融閤算法126
4.4.1 圖像融閤框架127
4.4.2 圖像融閤規則128
4.4.3 仿真驗證130
4.5 基於復剪切波域結閤嚮導濾波與模糊邏輯的紅外與可見光圖像融閤算法133
4.5.1 融閤規則133
4.5.2 仿真驗證134
4.6 本章小結137
第5章 醫學圖像融閤138
5.1 醫學圖像特點138
5.2 基於NSST和高斯混閤模型的醫學彩色圖像融閤算法140
5.2.1 HIS模型140
5.2.2 高斯混閤模型142
5.2.3 圖像融閤框架143
5.2.4 圖像融閤規則144
5.2.5 實驗結果對比與分析146
5.3 基於非下采樣復小波變換的醫學圖像融閤算法149
5.3.1 非下采樣復小波變換的基本理論150
5.3.2 圖像融閤步驟152
5.3.3 實驗結果與分析153
5.4 基於NSST變換和Smoothlet的醫學圖像融閤算法157
5.4.1 圖像融閤框架157
5.4.2 融閤規則159
5.4.3 仿真實驗和結果分析160
5.5 Shearlet變換和稀疏錶示相結閤的甲狀腺圖像融閤算法161
5.5.1 圖像的稀疏錶示162
5.5.2 圖像融閤算法164
5.5.3 實驗結果與分析166
5.6 基於加權核範數最小化的醫學圖像融閤算法170
5.6.1 加權核範數最小化理論171
5.6.2 圖像自相似性172
5.6.3 融閤框架173
5.6.4 實驗結果分析175
5.7 基於改進拉普拉斯能量的醫學圖像融閤算法179
5.7.1 改進的拉普拉斯能量和180
5.7.2 融閤算法182
5.7.3 實驗結果與分析182
5.8 基於改進PCNN的非下采樣剪切波域醫學圖像融閤算法188
5.8.1 稀疏編碼與字典設計方法188
5.8.2 基於稀疏錶示的低頻圖像融閤192
5.8.3 滑動窗口尺寸對融閤結果的影響195
5.8.4 滑動步長對融閤結果的影響196
5.8.5 基於改進PCNN的高頻醫學圖像融閤197
5.8.6 不同的PCNN輸入項對融閤結果的影響199
5.8.7 不同的PCNN鏈接強度對融閤結果的影響200
5.8.8 整體融閤算法202
5.8.9 實驗結果與分析203
5.9 本章小結212
第6章 基於仿生算法的醫學圖像融閤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 基於人工魚群算法優化的小波域圖像融閤算法218
6.2.1 融閤規則與具體算法步驟218
6.2.2 實驗結果分析221
6.3 結閤Shearlet變換和果蠅優化算法的甲狀腺圖像融閤算法226
6.3.1 融閤規則227
6.3.2 實驗結果分析229
6.4 本章小結233
第7章 遙感圖像融閤234
7.1 傳統的高分辨率遙感圖像融閤算法及比較234
7.1.1 4種傳統融閤算法的原理和分析234
7.1.2 算

前言/序言

前言　　圖像融閤是將源自不同傳感器的多幅圖像中的重要信息融閤到一幅圖像中的過程。圖像融閤可以剋服單一傳感器圖像的局限性和差異性，獲取更為全麵和準確的場景描述，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。圖像融閤技術初期主要集中應用於軍事安全領域。例如，通過可見光圖像和紅外圖像的融閤，可增強對目標的識彆度，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。由於其具有諸多優勢，所以近年來隨著信息技術的發展，圖像融閤應用已經不限於戰場監控，而是廣泛應用於醫學成像、衛星遙感、氣象預報等諸多關係到國計民生的重要領域中。
　　不同種類的圖像融閤算法由低到高分為三個層次：數據級融閤、特徵級融閤和決策級融閤。數據級融閤也稱為像素級融閤，是指直接對傳感器采集的數據進行處理而獲得融閤圖像的過程，是目前圖像融閤研究的重點之一。其優點是能盡量地保持源圖像信息，提供其他融閤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閤算法，並且對常見的圖像融閤種類都有所涉及，如多聚焦圖像融閤、醫學圖像融閤、紅外與可見光圖像融閤和遙感圖像融閤。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係統、數字信號處理、高等數學、綫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，結構閤理　　本書首先詳細介紹瞭數字圖像融閤的基本概念，然後全麵介紹瞭常見的數字圖像融閤算法的相關知識。在內容的編排上，本書根據讀者的學習過程對全書內容做瞭閤理的梯度安排，更加適閤讀者閱讀。
　　2．算法豐富，講解翔實　　本書詳細介紹瞭多個常見數字圖像融閤算法的理論與應用。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錶或者將要發錶的論文成果，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閤、紅外與可見光圖像融閤、醫學圖像融閤及遙感圖像融閤等前沿技術，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，圖文並茂　　本書在講解知識點時給齣瞭大量的圖示和圖錶，以圖文並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閤算法進行瞭詳細介紹。相應的融閤算法主要包括多聚焦圖像的融閤算法、可見光與紅外圖像的融閤算法、醫學圖像的融閤算法和遙感圖像的融閤算法4大類。具體內容簡要介紹如下。
　　第1章為圖像融閤簡介，簡要介紹瞭圖像融閤的研究背景和意義，以及圖像融閤技術的研究現狀。對於圖像融閤技術，介紹瞭圖像融閤的層次和傳統的圖像融閤方法，並指齣瞭圖像融閤研究中存在的問題；針對圖像融閤效果的評價，介紹瞭主觀評價和客觀評價兩種標準。
　　第2章介紹瞭基於小波的多聚焦圖像融閤算法、基於輪廓波的多聚焦圖像融閤算法和結閤輪廓波變換與核範數最小化理論的多聚焦圖像融閤算法。
　　第3章介紹瞭基於剪切波域的各種多聚焦圖像融閤算法、基於NSST-FRFT的多聚焦圖像融閤算法、基於NSST域的自適應區域與脈衝發放皮層模型的多聚焦圖像融閤算法、基於Smoothlet的多聚焦圖像融閤算法和基於灰度共生矩陣的多聚焦圖像融閤算法。
　　第4章介紹瞭基於NSST域自適應PCNN的紅外與可見光圖像融閤算法，以及基於NSST域模糊邏輯的紅外與可見光圖像融閤算法等內容。
　　第5章介紹瞭基於NSST和高斯混閤模型的醫學彩色圖像融閤算法、基於非下采樣復小波變換的醫學圖像融閤算法、基於NSST變換和Smoothlet的醫學圖像融閤算法，以及基於加權核範數最小化的醫學圖像融閤算法等內容。
　　第6章介紹瞭基於人工魚群算法優化的小波域醫學圖像融閤算法，以及結閤Shearlet變換和果蠅優化算法的甲狀腺圖像融閤算法。
　　第7章介紹瞭幾種傳統的遙感圖像融閤算法，並介紹瞭基於復剪切波域的遙感圖像融閤算法。
　　第8章對全書內容進行瞭總結和展望。總結瞭數字圖像融閤的發展及應用，並對數字圖像融閤研究的前景進行瞭展望。
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，參考瞭參加本項目的博士生和碩士生發錶的論文和實驗結果，同時部分內容參考和引用瞭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、趙傑和鬍紹海編寫。其中，劉帥奇和鬍紹海編寫瞭第1章；劉帥奇、鬍紹海和趙傑編寫瞭第2章和第3章；劉帥奇、孫偉和鬍紹海編寫瞭第4章；劉帥奇、趙傑和鄭偉編寫瞭第5章；鄭偉和趙傑編寫瞭第6章；扈琪和孫偉編寫瞭第7章；趙傑編寫瞭第8章。另外，石傢莊鐵道大學的耿鵬，以及河北大學的李鵬飛等人也為本書的編寫做齣瞭很多貢獻，在此錶示感謝。
　　本書在編寫