多传感器图像融合技术及应用 内容简介

图像融合是信息融合的一个重要分支，也是图像理解和计算机视觉中的一项重要技术。它将多个图像传感器或同一图像传感器以不同工作模式获取的关于同一场景的图像信息加以综合，以获得新的关于此场景更准确的描述。也为进一步的图像处理，如图像分割、目标检测与识别、战损评估与理解等提供更有效的信息。图像融合是一个综合了传感器、信号处理、图像处理、计算机和人工智能等多种学科的新兴研究领域。本书以图像融合技术的发展历程为主线，系统、精炼的介绍了图像融合中成熟的融合理论和经典的融合方法。针对各种融合方法进行了大量的理论分析和融合实验，并对融合效果做了主、客观性能评价分析。*后介绍了图像融合技术的*新研究进展及应用实例。

多传感器图像融合技术及应用 本书特色

本书以图像融合技术的发展历程为主线，系统介绍了图像融合的基本概念、融合原理、融合方法、*新研究进展及应用实例。?全书共11章。第1~3章介绍了图像融合的研究现状及存在的问题、图像融合的预处理方法、源图像的成像特性及图像融合的性能评价；第4~9章系统介绍了各种图像融合方法，其中包括早期各种简单的图像融合方法、基于金字塔变换的图像融合方法、基于小波变换的图像融合方法、基于多小波变换的图像融合方法、基于无下采样contourlet变换的图像融合方法以及基于shearlet变换的图像融合方法等；第10章结合图像融合的具体应用实例介绍了图像融合的应用；11章对图像融合技术研究的*新进展进行了介绍。本书着重介绍图像融合技术中*基本和*成熟的方面，并在一定程度上反映了国内外学者的当前工作。 ?本书可作为高等院校高年级本科生、研究生学习图像融合技术的教材和教学参考书，也可作为从事图像融合研究和应用的科技人员的参考书。

多传感器图像融合技术及应用 目录

第1章 绪论
1.1 图像融合的基本概念
1.2 图像融合技术的发展与研究现状
1.3 图像融合的分类
1.3.1 按融合层次分类
1.3.2 按融合方法分类
1.3.3 按图像源分类
1.4 图像融合的研究热点及存在的问题
参考文献
第2章 图像融合预处理
2.1 引言
2.2 图像增强
2.2.1 空间域增强
2.2.2 频率域增强
2.2.3 彩色增强
2.2.4 多光谱增强
2.3 图像校正
2.3.1 多项式几何校正
2.3.2 基于薄板样条的表面拟合校正
2.3.3 三角网法几何校正
2.4 图像去噪
2.4.1 邻域平均法
2.4.2 中值滤波
2.4.3 高斯滤波
2.5 图像配准
2.5.1 图像配准的数学模型
2.5.2 图像变换
2.5.3 基于灰度信息的图像配准
2.5.4 基于变换域的图像配准
2.5.5 基于特征信息的图像配准
2.6 图像重采样
2.7 本章小结
参考文献
第3章 图像成像特性和图像融合性能评价
3.1 引言
3.2 各种图像成像特性分析
3.2.1 多聚焦可见光图像成像特性
3.2.2 红外图像成像特性
3.2.3 sar图像成像特性
3.2.4 遥感传感器及其成像特性
3.2.5 医学图像成像特性
3.2.6 毫米波图像成像特性
3.3 图像融合性能评价
3.3.1 图像质量的主观评价
3.3.2 融合图像质量的客观评价
3.4 本章小结
参考文献
第4章 简单的图像融合方法
4.1 引言
4.2 基于数学/统计学的图像融合
4.2.1 加权平均融合
4.2.2 基于pca变换的图像融合
4.2.3 基于非负矩阵分解的图像融合
4.3 基于颜色空间的图像融合
4.3.1 颜色空间基本理论
4.3.2 基于rgb空间的图像融合
4.3.3 基于ihs空间的图像融合
4.3.4 基于brovey变换的图像融合
4.4 其他一些简单的图像融合方法
4.4.1 常用的基于空间域的图像融合
4.4.2 常用的基于变换域的图像融合
4.5 本章小结
参考文献
第5章 基于金字塔变换的图像融合方法
5.1 引言
5.2 拉普拉斯金字塔变换
5.3 比率低通金字塔变换
5.4 对比度金字塔变换
5.5 梯度金字塔变换
5.6 基于金字塔变换的图像融合方法
5.6.1 基于拉普拉斯金字塔变换的图像融合方法
5.6.2 基于比率低通金字塔变换的图像融合方法
5.6.3 基于对比度金字塔变换的图像融合方法
5.6.4 基于梯度金字塔变换的图像融合方法
5.7 实验结果与分析
5.7.1 多聚焦图像融合实验
5.7.2 曝光不同的可见光图像融合实验
5.7.3 红外与可见光图像融合实验
5.7.4 ct与mri图像融合实验
5.8 本章小结
参考文献
第6章 基于小波变换的图像融合方法
6.1 引言
6.2 小波变换基本理论
6.2.1 小波变换的概念
6.2.2 多分辨率分析与mallat算法
6.2.3 图像的二维离散小波变换
6.3 多小波变换
6.3.1 多小波的多分辨率分析
6.3.2 正交离散多小波变换
6.3.3 二维图像的多小波分解与重构
6.4 提升小波变换
6.4.1 提升小波分解
6.4.2 提升小波重构
6.4.3 9/7滤波器的提升实现
6.4.4 图像的提升小波分解算法
6.5 冗余小波变换
6.5.1 trous算法
6.5.2 图像在冗余小波变换域的数据特征
6.6 基于小波变换的图像融合
6.6.1 基于冗余小波变换的灰度多聚焦图像融合
6.6.2 实验结果与分析
6.7 本章小结
参考文献
第7章 基于多小波变换的图像融合方法
7.1 引言
7.2 多小波的基本理论
7.2.1 多小波的多分辨率分析
7.2.2 多小波的分解和重构
7.2.3 多小波的性质
7.3 多小波的构造方法和滤波器设计
7.3.1 多小波构造方法
7.3.2 多小波滤波器的设计
7.4 基于多小波变换的图像融合算法的一般过程
7.4.1 多小波的选择
7.4.2 多小波图像融合规则
7.4.3 基于多小波变换的图像融合算法的一般过程
7.5 实验结果与分析
7.5.1 基于多小波变换的融合结果与分析
7.5.2 传统融合方法和多小波变换的融合结果与分析
7.5.3 基于小波变换和多小波变换的融合结果与分析
7.6 本章小结
考文献
第8章 基于无下采样contourlet变换的图像融合方法
8.1 引言
8.2 contourlet变换基本理论
8.2.1 laplace金字塔分解
8.2.2 方向滤波器组
8.2.3 contourlet变换及其性质
8.3 基于contourlet变换的图像融合
8.3.1 基于contourlet变换的图像融合框架
8.3.2 实验结果与分析
8.4 wavelet?based contourlet变换基本理论
8.4.1 wbct结构分析
8.4.2 wbct系数分析
8.5 基于wavelet?based contourlet变换的图像融合
8.5.1 基于wavelet?based contourlet变换的图像融合框架
8.5.2 基于wavelet?based contourlet变换的图像融合方法
8.5.3 实验结果与分析
8.6 无下采样contourlet变换基本理论
8.6.1 无下采样contourlet变换的结构
8.6.2 无下采样contourlet变换中滤波器组的设计
8.6.3 无下采样contourlet变换系数分析
8.7 基于无下采样contourlet变换的图像融合
8.7.1 基于成像特性的nsct域红外与可见光图像融合
8.7.2 基于区域分割和nsct域的红外与可见光图像融合
8.7.3 基于区域相关度的nsct域多光谱与全色图像融合
8.8 本章小结
参考文献
第9章 基于shearlet变换的图像融合方法
9.1 引言
9.2 shearlet变换基本理论
9.2.1 离散shearlet变换
9.2.2 频域实现
9.2.3 时域实现
9.3 基于shearlet变换的多聚焦图像融合
9.3.1 基于shearlet变换的图像融合框架
9.3.2 实验结果与分析
9.4 基于shearlet和pn的遥感图像融合
9.4.1 脉冲耦合神经网络（pn）工作原理及特性
9.4.2 基于shearlet和pn的图像融合框架
9.4.3 实验结果与分析
9.5 基于shearlet的多光谱和全色图像融合
9.5.1 基于shearlet变换的多光谱和全色图像融合框架
9.5.2 实验结果与分析
9.6 本章小结
参考文献
第10章 图像融合应用
10.1 引言
10.2 军事应用概述
10.3 军事应用实例
10.3.1 弱小目标增强基本理论
10.3.2 基于图像融合的红外弱小目标增强算法
10.3.3 仿真实验结果与分析
10.4 本章小结
参考文献
第11章 图像融合研究新进展
11.1 引言
11.2 图像融合系统和产品
11.3 图像融合技术
11.4 本章小结
参考文献