图像融合技术-基于多分辨率非下采样理论与方法 内容简介

本书系统介绍了多分辨率非下采样理论及其方法在模式识别、图像信息融合等领域的应用。全书分为四篇，共15章。**篇为基础知识（第1章），介绍了图像融合的背景、目的、意义、发展现状及融合效果评价指标。第二篇为基于特征的图像匹配（第2～6章），其中介绍了图像配准的相关基础理论、图像的成像几何基础以及图像变换模型，基于特征相似性度量的图像配准方法，基于概率抽样一致性的鲁棒性基础矩阵估计算法以及基于核模糊均值聚类的基础矩阵估计算法，基于直线几何约束点特征的图像配准方法，基于尺度特征的动态连续目标识别跟踪算法以及STK软件等相关内容。第三篇为基于多分辨率非下采样理论NSCT的图像融合（第7～11章），其中介绍了基于直觉模糊熵的图像预处理方法，基于改进型NSCT的图像融合方法，基于NSCT与AUFLPCNN的图像融合方法以及基于NSCT与I2CM的图像融合方法，基于NSCT域改进型非负矩阵分解的图像融合方法，基于NSCT与IHS变换域的图像彩色化融合方法。第四篇为基于多分辨率非下采样理论NSST的图像融合（第12～15章），其中介绍了基于NSST域人眼视觉特性的图像融合方法，基于NSST域IPCNN的图像融合方法以及基于NSST域I2CM的图像融合方法，基于NSST域改进型非负矩阵分解的图像融合方法，基于NSST域改进型感受野模型的图像融合方法等。本书内容新颖，逻辑严谨，语言通俗，注重基础，面向应用，可作为高等院校计算机、信息等专业的高年级本科生或研究生计算智能课程的教材或教学参考书，也可作为从事图像智能信息处理、智能信息融合等研究的教师、研究生以及相关领域技术人员的参考书。

图像融合技术-基于多分辨率非下采样理论与方法 本书特色

本书系统介绍了多分辨率非下采样理论及其方法在模式识别、图像信息融合等领域的应用。全书分为四篇，共15章。*篇为基础知识（第1章），介绍了图像融合的背景、目的、意义、发展现状及融合效果评价指标。第二篇为基于特征的图像匹配（第2～6章），其中介绍了图像配准的相关基础理论、图像的成像几何基础以及图像变换模型，基于特征相似性度量的图像配准方法，基于概率抽样一致性的鲁棒性基础矩阵估计算法以及基于核模糊均值聚类的基础矩阵估计算法，基于直线几何约束点特征的图像配准方法，基于尺度特征的动态连续目标识别跟踪算法以及STK软件等相关内容。第三篇为基于多分辨率非下采样理论NSCT的图像融合（第7～11章），其中介绍了基于直觉模糊熵的图像预处理方法，基于改进型NSCT的图像融合方法，基于NSCT与AUFLPCNN的图像融合方法以及基于NSCT与I2CM的图像融合方法，基于NSCT域改进型非负矩阵分解的图像融合方法，基于NSCT与IHS变换域的图像彩色化融合方法。第四篇为基于多分辨率非下采样理论NSST的图像融合（第12～15章），其中介绍了基于NSST域人眼视觉特性的图像融合方法，基于NSST域IPCNN的图像融合方法以及基于NSST域I2CM的图像融合方法，基于NSST域改进型非负矩阵分解的图像融合方法，基于NSST域改进型感受野模型的图像融合方法等。本书内容新颖，逻辑严谨，语言通俗，注重基础，面向应用，可作为高等院校计算机、信息等专业的高年级本科生或研究生计算智能课程的教材或教学参考书，也可作为从事图像智能信息处理、智能信息融合等研究的教师、研究生以及相关领域技术人员的参考书。

图像融合技术-基于多分辨率非下采样理论与方法 目录

**篇基 础 知 识第1章概述21.1图像融合的研究背景、目的及意义21.1.1研究背景21.1.2研究目的及意义21.2信息融合31.3图像融合51.4图像融合的层次101.5图像融合的性能评价121.5.1图像的主观评价121.5.2图像的客观评价131.5.3单幅图像的性能评价指标141.5.4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第2章图像配准的基础理论242.1图像配准技术的产生背景242.2图像配准技术的发展252.2.1特征提取252.2.2特征描述262.2.3特征匹配282.2.4选取变换模型求取参数292.2.5优化策略292.2.6坐标变换与插值292.2.7性能评估302.2.8系统实现312.3成像几何基础322.3.1成像几何坐标系统322.3.2成像几何模型322.4图像变换模型352.4.1摄像机运动352.4.2图像变换352.4.3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443.1模糊集443.2直觉模糊集463.2.1直觉模糊集的形成与发展463.2.2直觉模糊集的基本概念483.2.3直觉模糊集的基本运算493.2.4直觉模糊集的截集493.2.5直觉模糊集截集的性质与核513.2.6直觉模糊集的特点523.3基于直觉模糊距离的图像匹配方法533.3.1直觉模糊特征匹配方法533.3.2特征点匹配算法543.3.3实验结果与分析563.4基于改进Hausdorff距离的图像配准方法603.4.1空间点特征提取603.4.2Hausdorff距离613.4.3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744.1经典基础矩阵估计方法比较744.2鲁棒的基本概念744.3对极几何估计及基础矩阵764.3.1平面诱导的单位764.3.2对极几何约束764.4基础矩阵估计算法774.4.1线性8点算法774.4.2RANSAC算法784.4.3MLESAC算法784.4.4GMSAC算法794.5基于概率抽样一致性的基础矩阵估计算法794.5.1模型评价函数804.5.2预检验814.5.3样本重采样824.5.4算法过程824.5.5算法计算量分析824.5.6实验结果与分析834.6基于KFCM的鲁棒性基础矩阵估计算法884.6.1KFCM算法884.6.2内外点可分性判定914.6.3算法步骤总结914.6.4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1015.1直线特征与点特征1015.2特征点检测算法——SIFT1025.2.1SIFT算法原理1025.2.2SIFT算法实现概述1035.2.3SIFT算法实现过程1035.3基于直线约束特征点集检测1105.3.1基于直线约束特征点集定义1105.3.2同序性检测1115.3.3直线约束特征点子集检测1115.4基于直线几何约束的点特征图像配准算法1135.5实验结果与分析1145.5.1Graffiti真实图像实验1145.5.2Trees真实图像实验1185.5.3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1246.1尺度不变特征的匹配1246.2基于尺度特征的动态连续目标识别跟踪算法1256.2.1目标识别算法1256.2.2目标跟踪算法1256.2.3基于特征的动态连续目标识别跟踪算法1266.3STK软件简介1266.3.1STK的主要功能1276.3.2STK具体模块介绍1286.4实验结果与分析1386.4.1卫星目标跟踪实验1386.4.2战机目标跟踪实验139本章小结141本章参考文献142第三篇基于多分辨率非下采样理论NSCT的图像融合第7章基于直觉模糊熵的图像预处理方法1447.1改进型直觉模糊熵模型的构造1447.1.1直觉模糊熵的几何解释1457.1.2直觉模糊熵的构造1467.2图像预处理问题的直觉模糊推广1487.3基于直觉模糊熵的图像预处理算法1497.3.1图像的脉冲噪声检测1497.3.2图像内部像素点的脉冲噪声处理1507.3.3图像边界像素点的脉冲噪声处理1517.4实例结果与分析1527.4.1实验描述1527.4.2灰度可见光图像预处理仿真实验1537.4.3红外图像预处理仿真实验1547.4.4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1598.1改进型NSCT模型的产生背景1598.2经典NSCT模型基本理论1608.2.1非下采样金字塔分解1608.2.2非下采样方向滤波器组分解1618.3NSCT的改进型模型1648.3.1不可分离小波变换1648.3.2冗余提升不可分离小波变换1648.4基于改进型NSCT的图像融合方法1668.4.1基于改进型NSCT的图像融合框架1678.4.2低通子带信息融合规则1688.4.3带通子带信息融合规则1698.5实验结果与分析1718.5.1实验描述1718.5.2多聚焦灰度图像融合仿真实验1728.5.3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1789.1新型神经网络模型的产生背景1789.2神经元及大脑皮层生物特性1799.3基于NSCT与AUFLPCNN的图像融合方法1809.3.1脉冲耦合神经网络基本模型1809.3.2AUFLPCNN模型及其赋时矩阵1829.3.3AUFLPCNN模型的参数确定1849.3.4基于NSCT与AUFLPCNN的图像融合方法1859.3.5实验结果与分析1869.4基于NSCT与I2CM的图像融合方法1899.4.1交叉视觉皮层模型的基本结构1899.4.2ICM与数学形态学在图像处理中的等价性1919.4.3I2CM及其参数的确定1979.4.4基于NSCT与I2CM的图像融合方法1989.4.5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20410.1改进型NMF模型的产生背景20410.2经典NMF模型20410.3改进型NMF模型21010.4改进型NMF模型的参数确定21210.5基于NSCT域改进型NMF的图像融合方法21310.6实验结果与分析21410.6.1多聚焦图像融合实验21410.6.2医学图像融合实验21610.6.3灰度可见光与红外图像融合实验21710.6.4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22511.1经典的伪彩色图像融合方法22511.2RGB空间与IHS空间的互换实现22611.3基于NSCT与IHS变换的图像融合方法23011.3.1图像融合总体框架23011.3.2灰度可见光的彩色传递23111.3.3低通图像融合方法23111.3.4带通图像融合方法23211.4实验结果与分析233本章小结235本章参考文献235第四篇基于多分辨率非下采样理论NSST的图像融合第12章基于NSST域人眼视觉特性的图像融合方法23812.1经典NSST模型基本理论23812.2视觉敏感度系数24112.3基于NSST域人眼视觉特性的图像融合方法24212.4实验结果与分析24312.4.1融合方法与量化评价指标24312.4.2多聚焦灰度图像融合仿真实验24312.4.3灰度可见光与红外图像融合实验24512.4.4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24813.1IPCNN模型及其赋时矩阵24813.2基于NSST域IPCNN的图像融合方法24913.3实验结果与分析25013.3.1实验描述25013.3.2融合实验结果25013.3.3实验结果讨论25313.4基于NSST域I2CM的图像融合方法25513.5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25914.1二维改进型NMF模型25914.1.1INMF模型的行方向构建25914.1.2INMF模型的列方向构建26014.2基于NSST域INMF的图像融合方法26014.3实验结果与分析26114.3.1实验方法及参数设定26214.3.2多聚焦图像融合实验26214.3.3医学图像融合实验26314.3.4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26815.1经典感受野模型的生物视觉机理26815.2改进型感受野模型26915.3基于NSST域改进型感受野模型的图像融合方法27115.4实验结果与分析27215.4.1多聚焦图像融合实验27215.4.2灰度可见光与红外图像融合实验27415.4.3实验结果讨论275本章小结277本章参考文献277