注冊 | 登錄讀書好,好讀書,讀好書!
讀書網(wǎng)-DuShu.com
當前位置: 首頁出版圖書科學技術自然科學數(shù)學基于脈沖發(fā)放皮層模型的圖像融合技術

基于脈沖發(fā)放皮層模型的圖像融合技術

基于脈沖發(fā)放皮層模型的圖像融合技術

定 價:¥68.00

作 者: 王念一
出版社: 科學出版社
叢編項:
標 簽: 暫缺

ISBN: 9787030608253 出版時間: 2019-03-01 包裝: 平裝
開本: 16開 頁數(shù): 132 字數(shù):  

內(nèi)容簡介

  圖像融合是信息融合領域的一個研究熱點和難點,也是數(shù)字圖像處理領域非常重要的一個研究分支,有著廣泛的軍事和民用需求。脈沖耦合神經(jīng)網(wǎng)絡被認為是第三代人工神經(jīng)網(wǎng)絡。脈沖發(fā)放皮層模型是脈沖耦合神經(jīng)網(wǎng)絡的簡化模型之一,與傳統(tǒng)脈沖耦合神經(jīng)網(wǎng)絡相比,脈沖發(fā)放皮層模型具有更輕的運算量:同時,與現(xiàn)有的其他脈沖耦合神經(jīng)網(wǎng)絡簡化模型相比,脈沖發(fā)放皮層模型具備完善的數(shù)學理論基礎,更接近視覺神經(jīng)元的生物特性。《基于脈沖發(fā)射皮層模型的圖像融合技術》從脈沖發(fā)放皮層模型的哺乳動物視覺特性出發(fā),利用像素級圖像融合原理,探索將脈沖發(fā)放皮層模型應用于圖像融合領域的基本原理與技術路線?!痘诿}沖發(fā)射皮層模型的圖像融合技術》探討了符合人眼視覺特性的相關圖像融合算法,指出基于脈沖發(fā)放皮層模型的融合技術的關鍵性環(huán)節(jié)和難點問題,并給出解決方案。深入討論了各個算法的核心部分,通過融合實驗對算法的有效性進行了驗證?!痘诿}沖發(fā)射皮層模型的圖像融合技術》提出的融合方法對解決圖像融合問題具有一定的參考意義。

作者簡介

暫缺《基于脈沖發(fā)放皮層模型的圖像融合技術》作者簡介

圖書目錄

目錄
前言
第1章 緒論 1 
1.1 圖像融合的背景、概念及研究意義 1 
1.1.1 圖像融合的背景 1 
1.1.2 圖像融合的概念 1 
1.1.3 圖像融合的意義與優(yōu)勢 2 
1.2 像素級圖像融合方法概述 2 
1.3 國內(nèi)外融合算法中需要解決的問題 6 
1.4 本書的研究工作與內(nèi)容安排 7 
1.4.1 主要創(chuàng)新工作 7 
1.4.2 內(nèi)容安排 7
第2章 脈沖耦合神經(jīng)網(wǎng)絡 10 
2.1 人工神經(jīng)網(wǎng)絡 10 
2.1.1 人工神經(jīng)網(wǎng)絡簡介 10 
2.1.2 人工神經(jīng)網(wǎng)絡發(fā)展歷程 11 
2.1.3 深度學習——最具代表性的人工神經(jīng)網(wǎng)絡未來趨勢之一 14 
2.1.4 人工神經(jīng)網(wǎng)絡特點 15 
2.2 神經(jīng)元及視覺皮層概念 17 
2.2.1 神經(jīng)元 17 
2.2.2 大腦皮層 20 
2.3 常見的哺乳動物視覺皮層神經(jīng)元模型 21 
2.4 PCNN的標準模型與電路理論解釋 28 
2.4.1 PCNN的標準模型 28 
2.4.2 PCNN的電路理論解釋 30 
2.5 PCNN的工作原理和基本特性 31 
2.5.1 PCNN的工作原理 31 
2.5.2 PCNN的基本特性 33 
2.6 研究界的關注 34 
2.7 PCNN模型的改進研究 38 
2.7.1 ICM模型 39 
2.7.2 SCM模型 39 
2.7.3 其他模型 42 
2.8 PCNN在圖像融合領域的應用 42 
2.8.1 基于PCNN的圖像融合技術的優(yōu)勢 42 
2.8.2 基于PCNN的圖像融合技術的研究進展 44 
2.8.3 基于PCNN的圖像融合技術的特點 48 
2.9 本章小結 49
第3章 基于脈沖發(fā)放皮層模型的多聚焦圖像融合 51 
3.1 引言 51 
3.2 SCM模型網(wǎng)絡循環(huán)次數(shù)的設定 52 
3.3 像素點清晰度評價準則的設定 53 
3.4 基于SCM的多聚焦圖像融合算法 55 
3.5 融合結果討論與性能評估 57 
3.5.1 對三種像素點清晰度評價準則的性能評估 57 
3.5.2 基于SCM的融合算法與其他融合算法的性能比較分析 62 
3.6 本章小結 67 
第4章 基于脈沖發(fā)放皮層模型與非下采樣輪廓波變換的多傳感器醫(yī)學圖像融合 68 
4.1 引言 68 
4.1.1 醫(yī)學圖像融合背景與意義 68 
4.1.2 多分辨率分析的發(fā)展演變:從小波到非下采樣輪廓波變換 70 
4.2 非下采樣輪廓波變換 73 
4.2.1 NSCT的結構 73 
4.2.2 非下采樣金字塔分解 74 
4.2.3 非下采樣方向濾波器組 75 
4.2.4 NSCT圖像融合的步驟 76 
4.3 算法設計 77 
4.3.1 算法方案 77 
4.3.2 算法步驟 79 
4.4 實驗及討論 80 
4.5 融合性能評估與結果分析 83 
4.6 本章小結 86
第5章 基于脈沖發(fā)放皮層模型與離散小波變換的多源圖像融合 88 
5.1 引言 88 
5.2 小波理論及離散小波變換 89 
5.2.1 小波多分辨率分析的核心思想 89 
5.2.2 二維離散小波變換對圖像的分解與重建 92 
5.3 基于SCM與DWT的多源圖像融合算法 95 
5.3.1 融合方案描述 95 
5.3.2 融合算法步驟 95 
5.4 融合實驗結果與討論分析 96 
5.5 本章小結 101
第6章 PCNN的應用研究 103 
6.1 圖像除噪 103 
6.2 圖像分割 104 
6.3 模式識別與特征提取 105 
6.4 圖像增強 106 
6.5 數(shù)字簽名 108
第7章 總結與展望 109 
7.1 總結 109 
7.2 展望 112 
7.2.1 神經(jīng)網(wǎng)絡 112 
7.2.2 脈沖耦合神經(jīng)網(wǎng)絡 114 
7.2.3 圖像融合 116
參考文獻 121
附錄 作者近期研究成果 131

本目錄推薦

掃描二維碼
Copyright ? 讀書網(wǎng) www.afriseller.com 2005-2020, All Rights Reserved.
鄂ICP備15019699號 鄂公網(wǎng)安備 42010302001612號