數(shù)字圖像融合

第1章緒論
1.1什么是圖像融合
1.2圖像融合的主要研究內(nèi)容
1.2.1像素級圖像融合
1.2.2特征級圖像融合
1.2.3決策級圖像融合
1.3圖像融合的步驟
1.4圖像融合研究的發(fā)展現(xiàn)狀和研究熱點
第2章主成分分析法
2.1數(shù)字圖像處理的基本概念
2.1.1數(shù)字圖像
2.1.2RGB-IHS變換模式
2.21HS變換圖像融合
2.2.1普通的IHS圖像融合(GIHS)
2.2.2一種改進的IHS圖像融合方法
2.2.3彈性圖像融合介紹
2.3一種子像素圖像融合的金字塔算法
2.3.1定義
2.3.2優(yōu)化
2.3.3插值
2.3.4多分辨
2.3.5裝箱(Binning)
第3章演化計算法
3.1演化計算的概念
3.1.1遺傳算法
3.1.2粒子群算法
3.1.3蟻群算法
3.2基于演化計算的像素級融合
3.2.1基于進化策略和IHS變換的圖像融合方法
3.2.2基于粒子群算法的像素級圖像融合
第4章神經(jīng)網(wǎng)絡(luò)法
4.1神經(jīng)網(wǎng)絡(luò)的概念
4.1.1BP網(wǎng)絡(luò)
4.1.2SOM網(wǎng)絡(luò)
4.1.3SGNN網(wǎng)絡(luò)
4.2基于神經(jīng)網(wǎng)絡(luò)的像素級融合
4.2.1噪音圖像的預(yù)處理
4.2.2選擇合適的神經(jīng)網(wǎng)絡(luò)及拓撲結(jié)構(gòu)
4.2.3神經(jīng)網(wǎng)絡(luò)訓(xùn)練
4.2.4噪聲圖像融合
4.3基于神經(jīng)網(wǎng)絡(luò)的特征級融合
4.3.1基于神經(jīng)網(wǎng)絡(luò)的圖像邊緣檢測
4.3.2基于神經(jīng)網(wǎng)絡(luò)的圖像特征提取
4.4圖像目標(biāo)自動識別
4.4.1基于神經(jīng)網(wǎng)絡(luò)的數(shù)字圖像目標(biāo)自動識別
4.4.2在靜態(tài)圖像上的應(yīng)用
4.4.3時間相關(guān)性的融合
第5章小波變換法
5.1一般方法
5.1.1圖像的二維小波分解(Mallat方法)
5.1.2圖像融合的小波方法
5.1.3融合結(jié)果評價指標(biāo)
5.1.4實例
5.2基于樹狀小波的圖像融合
5.2.1樹狀小波分解
5.2.2基于樹狀小波分解的圖像融合方法
6.2.1圖像的預(yù)處理
6.2.2像素時聚類
6.2.3聚類結(jié)果的模糊化
6.2.4融合方法
6.2.5融合實驗及其結(jié)果
6.3特征級模糊圖像融合方法
6.3.1線性特征的自動探測
6.3.2對結(jié)果進行多時間融合
6.4依賴時／空范圍信息和頻譜信息的模糊融合
6.4.1問題形成
6.4.2信息源
6.4.3模糊化步驟
6.4.4模糊推理規(guī)則和解模糊
6.4.5向K個日期延伸
6.5多傳感器圖像模糊融合算法在圖像識別中的應(yīng)用
6.5.1圖像模糊融合的基本原理
6.5.2多傳感器多層次圖像融合模糊算法應(yīng)用于圖像識別
第7章圖像融合應(yīng)用
7.1軍事應(yīng)用中的圖像融合
7.1.1MQW圖像融合方法
7.1.2算法
7.1.3以人的角度進行的評估和建模
7.1.4數(shù)據(jù)收集
7.2面向遙感應(yīng)用的圖像融合的原理與方法
7.2.1遙感圖像的融合框架
7.2.2遙感圖像融合的實例
7.3醫(yī)學(xué)圖像融合應(yīng)用
7.3.1案例研究
7.3.2結(jié)論要點
參考文獻