图像融合技术 基于多分辨率非下采样理论与方法2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

图像融合技术 基于多分辨率非下采样理论与方法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

第一篇 基础知识2

第1章 概述2

1.1 图像融合的研究背景、目的及意义2

1.1.1 研究背景2

1.1.2 研究目的及意义2

1.2 信息融合3

1.3 图像融合5

1.4 图像融合的层次10

1.5 图像融合的性能评价12

1.5.1 图像的主观评价12

1.5.2 图像的客观评价13

1.5.3 单幅图像的性能评价指标14

1.5.4 融合图像的几个评价指标14

本章参考文献17

第二篇 基于特征的图像匹配24

第2章 图像配准的基础理论24

2.1 图像配准技术的产生背景24

2.2 图像配准技术的发展25

2.2.1 特征提取25

2.2.2 特征描述26

2.2.3 特征匹配28

2.2.4 选取变换模型求取参数29

2.2.5 优化策略29

2.2.6 坐标变换与插值29

2.2.7 性能评估30

2.2.8 系统实现31

2.3 成像几何基础32

2.3.1 成像几何坐标系统32

2.3.2 成像几何模型32

2.4 图像变换模型35

2.4.1 摄像机运动35

2.4.2 图像变换35

2.4.3 透视变换矩阵的求解37

本章小结38

本章参考文献39

第3章 基于特征相似性度量的图像配准方法44

3.1 模糊集44

3.2 直觉模糊集46

3.2.1 直觉模糊集的形成与发展46

3.2.2 直觉模糊集的基本概念48

3.2.3 直觉模糊集的基本运算49

3.2.4 直觉模糊集的截集49

3.2.5 直觉模糊集截集的性质与核51

3.2.6 直觉模糊集的特点52

3.3 基于直觉模糊距离的图像匹配方法53

3.3.1 直觉模糊特征匹配方法53

3.3.2 特征点匹配算法54

3.3.3 实验结果与分析56

3.4 基于改进Hausdorff距离的图像配准方法60

3.4.1 空间点特征提取60

3.4.2 Hausdorff距离61

3.4.3 实验结果与分析63

本章小结66

本章参考文献66

第4章 鲁棒性基础矩阵估计方法74

4.1 经典基础矩阵估计方法比较74

4.2 鲁棒的基本概念74

4.3 对极几何估计及基础矩阵76

4.3.1 平面诱导的单位76

4.3.2 对极几何约束76

4.4 基础矩阵估计算法77

4.4.1 线性8点算法77

4.4.2 RANSAC算法78

4.4.3 MLESAC算法78

4.4.4 GMSAC算法79

4.5 基于概率抽样一致性的基础矩阵估计算法79

4.5.1 模型评价函数80

4.5.2 预检验81

4.5.3 样本重采样82

4.5.4 算法过程82

4.5.5 算法计算量分析82

4.5.6 实验结果与分析83

4.6 基于KFCM的鲁棒性基础矩阵估计算法88

4.6.1 KFCM算法88

4.6.2 内外点可分性判定91

4.6.3 算法步骤总结91

4.6.4 实验结果与分析92

本章小结99

本章参考文献99

第5章 基于直线几何约束点特征的图像配准方法101

5.1 直线特征与点特征101

5.2 特征点检测算法——SIFT102

5.2.1 SIFT算法原理102

5.2.2 SIFT算法实现概述103

5.2.3 SIFT算法实现过程103

5.3 基于直线约束特征点集检测110

5.3.1 基于直线约束特征点集定义110

5.3.2 同序性检测111

5.3.3 直线约束特征点子集检测111

5.4 基于直线几何约束的点特征图像配准算法113

5.5 实验结果与分析114

5.5.1 Graffiti真实图像实验114

5.5.2 Trees真实图像实验118

5.5.3 对比实验121

本章小结123

本章参考文献123

第6章 基于尺度不变特征的图像目标识别与跟踪方法124

6.1 尺度不变特征的匹配124

6.2 基于尺度特征的动态连续目标识别跟踪算法125

6.2.1 目标识别算法125

6.2.2 目标跟踪算法125

6.2.3 基于特征的动态连续目标识别跟踪算法126

6.3 STK软件简介126

6.3.1 STK的主要功能127

6.3.2 STK具体模块介绍128

6.4 实验结果与分析138

6.4.1 卫星目标跟踪实验138

6.4.2 战机目标跟踪实验139

本章小结141

本章参考文献142

第7章 基于直觉模糊熵的图像预处理方法144

7.1 改进型直觉模糊熵模型的构造144

7.1.1 直觉模糊熵的几何解释145

7.1.2 直觉模糊熵的构造146

7.2 图像预处理问题的直觉模糊推广148

7.3 基于直觉模糊熵的图像预处理算法149

7.3.1 图像的脉冲噪声检测149

7.3.2 图像内部像素点的脉冲噪声处理150

7.3.3 图像边界像素点的脉冲噪声处理151

7.4 实例结果与分析152

7.4.1 实验描述152

7.4.2 灰度可见光图像预处理仿真实验153

7.4.3 红外图像预处理仿真实验154

7.4.4 实验结果讨论156

本章小结157

本章参考文献157

第8章 基于改进型NSCT的图像融合方法159

8.1 改进型NSCT模型的产生背景159

8.2 经典NSCT模型基本理论160

8.2.1 非下采样金字塔分解160

8.2.2 非下采样方向滤波器组分解161

8.3 NSCT的改进型模型164

8.3.1 不可分离小波变换164

8.3.2 冗余提升不可分离小波变换164

8.4 基于改进型NSCT的图像融合方法166

8.4.1 基于改进型NSCT的图像融合框架167

8.4.2 低通子带信息融合规则168

8.4.3 带通子带信息融合规则169

8.5 实验结果与分析171

8.5.1 实验描述171

8.5.2 多聚焦灰度图像融合仿真实验172

8.5.3 多波段遥感图像融合仿真实验174

本章小结175

本章参考文献176

第9章 基于NSCT域新型神经网络模型的图像融合方法178

9.1 新型神经网络模型的产生背景178

9.2 神经元及大脑皮层生物特性179

9.3 基于NSCT与AUFLPCNN的图像融合方法180

9.3.1 脉冲耦合神经网络基本模型180

9.3.2 AUFLPCNN模型及其赋时矩阵182

9.3.3 AUFLPCNN模型的参数确定184

9.3.4 基于NSCT与AUFLPCNN的图像融合方法185

9.3.5 实验结果与分析186

9.4 基于NSCT与I2 CM的图像融合方法189

9.4.1 交叉视觉皮层模型的基本结构189

9.4.2 ICM与数学形态学在图像处理中的等价性191

9.4.3 I2CM及其参数的确定197

9.4.4 基于NSCT与I2 CM的图像融合方法198

9.4.5 实验结果与分析199

本章小结201

本章参考文献202

第10章 基于NSCT域改进型非负矩阵分解的图像融合方法204

10.1 改进型NMF模型的产生背景204

10.2 经典NMF模型204

10.3 改进型NMF模型210

10.4 改进型NMF模型的参数确定212

10.5 基于NSCT域改进型NMF的图像融合方法213

10.6 实验结果与分析214

10.6.1 多聚焦图像融合实验214

10.6.2 医学图像融合实验216

10.6.3 灰度可见光与红外图像融合实验217

10.6.4 实验结果讨论218

本章小结222

本章参考文献223

第11章 基于NSCT与IHS变换域的图像彩色化融合方法225

11.1 经典的伪彩色图像融合方法225

11.2 RGB空间与IHS空间的互换实现226

11.3 基于NSCT与IHS变换的图像融合方法230

11.3.1 图像融合总体框架230

11.3.2 灰度可见光的彩色传递231

11.3.3 低通图像融合方法231

11.3.4 带通图像融合方法232

11.4 实验结果与分析233

本章小结235

本章参考文献235

第12章 基于NSST域人眼视觉特性的图像融合方法238

12.1 经典NSST模型基本理论238

12.2 视觉敏感度系数241

12.3 基于NSST域人眼视觉特性的图像融合方法242

12.4 实验结果与分析243

12.4.1 融合方法与量化评价指标243

12.4.2 多聚焦灰度图像融合仿真实验243

12.4.3 灰度可见光与红外图像融合实验245

12.4.4 实验结果讨论246

本章小结246

本章参考文献247

第13章 基于NSST域改进型神经网络模型的图像融合方法248

13.1 IPCNN模型及其赋时矩阵248

13.2 基于NSST域IPCNN的图像融合方法249

13.3 实验结果与分析250

13.3.1 实验描述250

13.3.2 融合实验结果250

13.3.3 实验结果讨论253

13.4 基于NSST域I2 CM的图像融合方法255

13.5 实验结果与分析256

本章小结257

本章参考文献257

第14章 基于NSST域改进型非负矩阵分解的图像融合方法259

14.1 二维改进型NMF模型259

14.1.1 INMF模型的行方向构建259

14.1.2 INMF模型的列方向构建260

14.2 基于NSST域INMF的图像融合方法260

14.3 实验结果与分析261

14.3.1 实验方法及参数设定262

14.3.2 多聚焦图像融合实验262

14.3.3 医学图像融合实验263

14.3.4 实验结果讨论264

本章小结267

本章参考文献267

第15章 基于NSST域改进型感受野模型的图像融合方法268

15.1 经典感受野模型的生物视觉机理268

15.2 改进型感受野模型269

15.3 基于NSST域改进型感受野模型的图像融合方法271

15.4 实验结果与分析272

15.4.1 多聚焦图像融合实验272

15.4.2 灰度可见光与红外图像融合实验274

15.4.3 实验结果讨论275

本章小结277

本章参考文献277