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 1
1.1.2 多聚焦圖像及其融合技術 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 基于深度學習的融合方法.12
1.3 多聚焦圖像融合的評價方法 14
參考文獻 20
第2章 基于脈沖耦合神經(jīng)網(wǎng)絡的多聚焦圖像融合 22
2.1 脈沖耦合神經(jīng)網(wǎng)絡理論 22
2.1.1 PCNN模型 23
2.1.2 在圖像處理領域的應用 29
2.1.3 在非圖像處理領域的應用.33
2.1.4 硬件實現(xiàn) 34
2.2 PCNN在圖像融合中的應用 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 實驗結果與分析 49
參考文獻 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 隨機漫步標準模型 73
3.1.2 隨機漫步改進模型 77
3.2 隨機漫步在圖像處理中的應用 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 改進的PCNN模型 99
3.3.3 算法描述 100
3.3.4 實驗結果與分析 103
參考文獻 116
第4章 基于引導濾波的多聚焦圖像融合 121
4.1 引導濾波 121
4.1.1 引導濾波理論 121
4.1.2 引導濾波在圖像處理領域的應用 122
4.2 基于引導濾波器和PCNN的圖像融合算法 123
4.2.1 改進的PCNN模型 123
4.2.2 算法描述 124
4.2.3 實驗結果與分析 127
4.3 基于引導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 實驗結果與分析 139
4.4 基于引導濾波與隨機漫步的圖像融合改進算法 146
4.4.1 算法描述 146
4.4.2 實驗結果與分析 149
參考文獻 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 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 實驗結果與分析 175
參考文獻 188
第6章 多模態(tài)醫(yī)學圖像融合 193
6.1 醫(yī)學圖像融合概述 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 評價指標分析 203
6.3 基于多通道 PCNN 的醫(yī)學圖像融合算法 205
6.3.1 圖像融合算法 206
6.3.2 實驗結果與分析 207
參考文獻 214
第7章 基于自適應稀疏表示的多模態(tài)圖像融合 218
7.1 相關基礎理論 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 基于自適應稀疏表示與引導濾波的圖像融合算法 228
7.2.1 相關模型 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 253