編輯推薦:

內(nèi)容簡介:　　《圖像融合技術：基于多分辨率非下采樣理論與方法》系統(tǒng)介紹了多分辨率非下采樣理論及其方法在模式識別、圖像信息融合等領域的應用。全書分為四篇，共15章。一篇為基礎知識（第1章），介紹了圖像融合的背景、目的、意義、發(fā)展現(xiàn)狀及融合效果評價指標。二篇為基于特征的圖像匹配（第2～6章），其中介紹了圖像配準的相關基礎理論、圖像的成像幾何基礎以及圖像變換模型，基于特征相似性度量的圖像配準方法，基于概率抽樣一致性的魯棒性基礎矩陣估計算法以及基于核模糊均值聚類的基礎矩陣估計算法，基于直線幾何約束點特征的圖像配準方法，基于尺度特征的動態(tài)連續(xù)目標識別跟蹤算法以及STK軟件等相關內(nèi)容。三篇為基于多分辨率非下采樣理論NSCT的圖像融合（第7～11章），其中介紹了基于直覺模糊熵的圖像預處理方法，基于改進型NSCT的圖像融合方法，基于NSCT與AUFLPCNN的圖像融合方法以及基于NSCT與I2CM的圖像融合方法，基于NSCT域改進型非負矩陣分解的圖像融合方法，基于NSCT與IHS變換域的圖像彩色化融合方法。第四篇為基于多分辨率非下采樣理論NSST的圖像融合（第12～15章），其中介紹了基于NSST域人眼視覺特性的圖像融合方法，基于NSST域IPCNN的圖像融合方法以及基于NSST域I2CM的圖像融合方法，基于NSST域改進型非負矩陣分解的圖像融合方法，基于NSST域改進型感受野模型的圖像融合方法等。
　　《圖像融合技術：基于多分辨率非下采樣理論與方法》內(nèi)容新穎，邏輯嚴謹，語言通俗，注重基礎，面向應用，可作為高等院校計算機、信息等專業(yè)的高年級本科生或研究生計算智能課程的教材或教學參考書，也可作為從事圖像智能信息處理、智能信息融合等研究的教師、研究生以及相關領域技術人員的參考書。

作者簡介:

目錄:第一篇 基礎知識
第1章 概述
1.1 圖像融合的研究背景、目的及意義
1.1.1 研究背景
1.1.2 研究目的及意義
1.2 信息融合
1.3 圖像融合
1.4 用像融合的層次
1.5 圖像融合的性能評價
1.5.1 圖像的主觀評價
1.5.2 圖像的客觀評價
1.5.3 單幅圖像的性能評價指標
1.5.4 融合圖像的幾個評價指標
本章參考文獻

第二篇 基于特征的圖像匹配
第2章 圖像配準的基礎理論
2.1 圖像配準技術的產(chǎn)生背景
2.2 圖像配準技術的發(fā)展
2.2.1 特征提取
2.2.2 特征描述
2.2.3 特征匹配
2.2.4 選取變換模型求取參數(shù)
2.2.5 優(yōu)化策略
2.2.6 坐標變換與插值
2.2.7 性能評估
2.2.8 系統(tǒng)實現(xiàn)
2.3 成像幾何基礎
2.3.1 成像幾何坐標系統(tǒng)
2.3.2 成像幾何模型
2.4 圖像變換模型
2.4 1攝像機運動
2.4.2 圖像變換
2.4.3 透視變換矩陣的求解
本章小結
本章參考文獻
第3章 基于特征相似性度量的圖像配準方法
3.1 模糊集
3.2 直覺模糊集
3.2.1 直覺模糊集的形成與發(fā)展
3.2.2 直覺模糊集的基本概念
3.2.3 直覺模糊集的基本運算
3.2.4 直覺模糊集的截集
3.2.5 直覺模糊集截集的性質(zhì)與核
3.2.6 直覺模糊集的特點
3.3 基于直覺模糊距離的圖像匹配方法
3.3.1 直覺模糊特征匹配方法
3.3.2 特征點匹配算法
3.3 3實驗結果與分析
3.4 基于改進Hausdorff距離的圖像配準方法
3.4.1 空間點特征提取
3.4.2 Hausdorff距離
3.4.3 實驗結果與分析
本章小結
本章參考文獻
第4章 魯棒性基礎矩陣估計方法
4.1 經(jīng)典基礎矩陣估計方法比較
4.2 魯棒的基本概念
4.3 對極幾何估計及基礎矩陣
4.3.1 平面誘導的單位
4.3.2 對極幾何約束
4.4 基礎矩陣估計算法
4.4.1 線性8點算法
4.4.2 RANSAC算法
4.4.3 MLESAC算法
4.4.4 GMSAC算法
4.5 基于概率抽樣一致性的基礎矩陣估計算法
4.5.1 模型評價函數(shù)
4.5.2 預檢驗
4.5 3樣本重采樣
4.5.4 算法過程
4.5.5 算法計算量分析
4.5.6 實驗結果與分析
4.6 基于KFCM的魯棒性基礎矩陣估計算法
4.6.1 KFCM算法
4.6.2 內(nèi)外點可分性判定
4.6.3 算法步驟總結
4.6.4 實驗結果與分析
本章小結
本章參考文獻
第5章 基于直線幾何約束點特征的圖像配準方法
5.1 直線特征與點特征
5.2 特征點檢測算法
5.2.1 SIFT算法原理
5.2.2 SIFT算法實現(xiàn)概述
5.2.3 SIFT算法實現(xiàn)過程
5.3 基于直線約束特征點集檢測
5.3.1 基于直線約束特征點集定義
5.3.2 同序性檢測
5.3.3 直線約束特征點子集檢測
5.4 基于直線幾何約束的點特征圖像配準算法
5.5 實驗結果與分析
5.5.1 Graffiti真實圖像實驗
5.5.2 Trees真實圖像實驗
5.5.3 對比實驗
本章小結
本章參考文獻
第6章 基于尺度不變特征的圖像目標識別與跟蹤方法
6.1 尺度不變特征的匹配
6.2 基于尺度特征的動態(tài)連續(xù)目標識別跟蹤算法
6.2.1 目標識別算法
6.2.2 目標跟蹤算法
6.2.3 基于特征的動態(tài)連續(xù)目標識別跟蹤算法
6.3 STK軟件簡介
6.3.1 STK的主要功能
6.3.2 STK具體模塊介紹
6.4 實驗結果與分析
6.4.1 衛(wèi)星目標跟蹤實驗
6.4.2 戰(zhàn)機目標跟蹤實驗
本章小結
本章參考文獻

第三篇 基于多分辨率非下采樣理論NSCT的圖像融合
第7章 基于直覺模糊熵的圖像預處理方法
7.1 改進型直覺模糊熵模型的構造
7.1.1 直覺模糊熵的幾何解釋
7.1.2 直覺模糊熵的構造
7.2 圖像預處理問題的直覺模糊推廣
7.3 基于直覺模糊熵的圖像預處理算法
7.3.1 圖像的脈沖噪聲檢測
7.3.2 圖像內(nèi)部像素點的脈沖噪聲處理
7.3.3 圖像邊界像素點的脈沖噪聲處理
7.4 實例結果與分析
7.4.1 實驗描述
7.4.2 灰度可見光圖像預處理仿真實驗
7.4.3 紅外圖像預處理仿真實驗
7.4.4 實驗結果討論
本章小結
本章參考文獻
第8章 基于改進型NSCT的圖像融合方法
8.1 改進型NSCT模型的產(chǎn)生背景
8.2 經(jīng)典NSCT模型基本理論
8.2 非下采樣金字塔分解
8.2.2 非下采樣方向濾波器組分解
8.3 NSCT的改進型模型
8.3.1 不可分離小波變換
8.3.2 冗余提升不可分離小波變換
8.4 基于改進型NSCT的圖像融合方法
8.4 1基于改進型NSCT的圖像融合框架
842低通子帶信息融合規(guī)則
8.4.3 帶通子帶信息融合規(guī)則
8.5 實驗結果與分析
8.5.1 實驗描述
8.5.2 多聚焦灰度圖像融合仿真實驗
8.5.3 多波段遙感圖像融合仿真實驗
本章小結
本章參考文獻
第9章 基于NSCT域新型神經(jīng)網(wǎng)絡模型的圖像融合方法
9.1 新型神經(jīng)網(wǎng)絡模型的產(chǎn)生背景
9.2 神經(jīng)元及大腦皮層生物特性
9.3 基于NSCT與AUFLPCNN的圖像融合方法
9.3.1 脈沖耦合神經(jīng)網(wǎng)絡基本模型
9.3.2 AUFLPCNN模型及其賦時矩陣
9.3.3 AUFLPCNN模型的參數(shù)確定
9.3.4 基于NSCT與AUFLPCNN的圖像融合方法
9.3.5 實驗結果與分析
9.4 基于NSCT與I2CM的圖像融合方法
9.4.1 交叉視覺皮層模型的基本結構
9.4.2 ICM與數(shù)學形態(tài)學在圖像處理中的等價性
9.4.3 I2CM及其參數(shù)的確定
9.4.4 基于NSCT與I2CM的圖像融合方法
9.4.5 實驗結果與分析
本章小結
本章參考文獻
第10章 基于NSCT域改進型非負矩陣分解的圖像融合方法
10.1 改進型NMF模型的產(chǎn)生背景
10.2 經(jīng)典NMF模型
10.3 改進型NMF模型
10.4 改進型NMF模型的參數(shù)確定
10.5 基于NSCT域改進型NMF的圖像融合方法
10.6 實驗結果與分析
10.6.1 多聚焦圖像融合實驗
10.6.2 醫(yī)學圖像融合實驗
10.6.3 灰度可見光與紅外圖像融合實驗
10.6.4 實驗結果討論
本章小結
本章參考文獻
第11章 基于NSCT與IHS變換域的圖像彩色化融合方法
11.1 經(jīng)典的偽彩色圖像融合方法
11.2 RGB空間與IHS空間的互換實現(xiàn)
11.3 基于NSCT與IHS變換的圖像融合方法
11.3.1 圖像融合總體框架
11.3.2 灰度可見光的彩色傳遞
11.3.3 低通圖像融合方法
11.3.4 帶通圖像融合方法
114實驗結果與分析
本章小結
本章參考文獻

第四篇 基于多分辨率非下采樣理論NSST的圖像融合