目錄
前言
第1章 多聚焦圖像融合 1
1.1 多聚焦圖像融合概述 1
1.1.1 圖像融合基礎(chǔ) 1
1.1.2 多聚焦圖像及其融合技術(shù) 4
1.2 多聚焦圖像融合框架 6
1.2.1 基于空間域的融合方法 6
1.2.2 基于變換域的融合方法 10
1.2.3 基于深度學(xué)習(xí)的融合方法.12
1.3 多聚焦圖像融合的評價方法 14
參考文獻(xiàn) 20
第2章 基于脈沖耦合神經(jīng)網(wǎng)絡(luò)的多聚焦圖像融合 22
2.1 脈沖耦合神經(jīng)網(wǎng)絡(luò)理論 22
2.1.1 PCNN模型 23
2.1.2 在圖像處理領(lǐng)域的應(yīng)用 29
2.1.3 在非圖像處理領(lǐng)域的應(yīng)用.33
2.1.4 硬件實現(xiàn) 34
2.2 PCNN在圖像融合中的應(yīng)用 34
2.2.1 空間域圖像融合 35
2.2.2 變換域圖像融合 38
2.2.3 硬件實現(xiàn) 44
2.3 基于雙通道PCNN的多聚焦圖像融合算法 44
2.3.1 雙通道PCNN模型 44
2.3.2 基于雙通道PCNN的融合算法.46
2.3.3 實驗結(jié)果與分析 49
參考文獻(xiàn) 58
第3章 基于隨機漫步的多聚焦圖像融合 73
3.1 隨機漫步理論 73
3.1.1 隨機漫步標(biāo)準(zhǔn)模型 73
3.1.2 隨機漫步改進(jìn)模型 77
3.2 隨機漫步在圖像處理中的應(yīng)用 82
3.2.1 基于隨機漫步的圖像分割 82
3.2.2 基于隨機漫步的圖像融合 88
3.2.3 基于隨機漫步的其他應(yīng)用 90
3.3 基于隨機漫步與PCNN的多聚焦圖像融合算法 96
3.3.1 自啟動隨機漫步模型 96
3.3.2 改進(jìn)的PCNN模型 99
3.3.3 算法描述 100
3.3.4 實驗結(jié)果與分析 103
參考文獻(xiàn) 116
第4章 基于引導(dǎo)濾波的多聚焦圖像融合 121
4.1 引導(dǎo)濾波 121
4.1.1 引導(dǎo)濾波理論 121
4.1.2 引導(dǎo)濾波在圖像處理領(lǐng)域的應(yīng)用 122
4.2 基于引導(dǎo)濾波器和PCNN的圖像融合算法 123
4.2.1 改進(jìn)的PCNN模型 123
4.2.2 算法描述 124
4.2.3 實驗結(jié)果與分析 127
4.3 基于引導(dǎo)濾波與隨機漫步的圖像融合算法 135
4.3.1 算法描述 136
4.3.2 實驗結(jié)果與分析 139
4.4 基于引導(dǎo)濾波與隨機漫步的圖像融合改進(jìn)算法 146
4.4.1 算法描述 146
4.4.2 實驗結(jié)果與分析 149
參考文獻(xiàn) 156
第5章 拼接縫圖像融合 157
5.1 圖像拼接 157
5.1.1 拼接流程 158
5.1.2 圖像配準(zhǔn) 159
5.2 圖像拼接中的圖像融合 167
5.2.1 拼接縫的產(chǎn)生 167
5.2.2 拼接縫的消除方法 168
5.3 基于曲波變換的拼接縫融合算法 170
5.3.1 曲波變換 170
5.3.2 拼接縫融合 173
5.3.3 實驗結(jié)果與分析 175
參考文獻(xiàn) 188
第6章 多模態(tài)醫(yī)學(xué)圖像融合 193
6.1 醫(yī)學(xué)圖像融合概述 193
6.1.1 基本概念 194
6.1.2 研究現(xiàn)狀 194
6.2 圖像融合評價 196
6.2.1 評價方法 196
6.2.2 評價指標(biāo)分析 203
6.3 基于多通道 PCNN 的醫(yī)學(xué)圖像融合算法 205
6.3.1 圖像融合算法 206
6.3.2 實驗結(jié)果與分析 207
參考文獻(xiàn) 214
第7章 基于自適應(yīng)稀疏表示的多模態(tài)圖像融合 218
7.1 相關(guān)基礎(chǔ)理論 218
7.1.1 圖像的多尺度變換 218
7.1.2 稀疏表示 222
7.1.3 融合規(guī)則 223
7.1.4 融合算法評價 226
7.2 基于自適應(yīng)稀疏表示與引導(dǎo)濾波的圖像融合算法 228
7.2.1 相關(guān)模型 228
7.2.2 算法描述 232
7.2.3 算法仿真和評價 236
7.3 基于自適應(yīng)稀疏表示與拉普拉斯金字塔的圖像融合算法 243
7.3.1 算法描述 243
7.3.2 算法仿真和評價 246
參考文獻(xiàn) 253