数字图像融合算法分析与应用

目录
前言
第1章 图像融合简介1
1.1 研究背景及意义1
1.2 国内外研究现状1
1.3 图像融合基础知识3
1.3.1 图像融合层次3
1.3.2 传统图像融合算法4
1.3.3 图像融合存在的问题6
1.4 图像融合评价标准7
1.4.1 主观评价标准7
1.4.2 客观评价标准8
第2章 基于小波和轮廓波的多聚焦图像融合12
2.1 多聚焦图像特点12
2.2 基于小波的多聚焦图像融合算法14
2.2.1 小波变换14
2.2.2 小波域多聚焦图像融合算法23
2.2.3 基于小波的多聚焦图像融合实验结果分析26
2.3 基于轮廓波的多聚焦图像融合算法26
2.3.1 轮廓波变换27
2.3.2 复轮廓波变换28
2.3.3 向导滤波31
2.3.4 基于轮廓波变换图像融合算法33
2.3.5 实验结果分析35
2.4 结合轮廓波变换与核范数最小化理论的多聚焦图像融合算法44
2.4.1 核范数最小化理论45
2.4.2 图像融合算法46
2.4.3 实验结果与分析48
2.5 本章小结54
第3章 基于剪切波和Smoothlet的多聚焦图像融合55
3.1 剪切波变换基础知识55
3.1.1 剪切波变换55
3.1.2 离散剪切波变换57
3.1.3 非下采样剪切波变换61
3.2 基于剪切波的多聚焦图像融合算法61
3.2.1 基于剪切波变换的图像融合框架61
3.2.2 基于剪切波变换的图像融合规则62
3.2.3 实验结果对比与分析65
3.3 基于NSST-FRFT的多聚焦图像融合算法72
3.3.1 NSST-FRFT原理72
3.3.2 NSST-FRFT图像融合框架73
3.3.3 图像融合规则73
3.3.4 实验结果对比与分析75
3.4 基于NSST域的自适应区域与脉冲发放皮层模型的多聚焦图像融合算法83
3.4.1 共享相似性和自适应区域83
3.4.2 脉冲发放皮层模型84
3.4.3 基于自适应区域、EOE和SCM的图像融合85
3.4.4 实验结果分析87
3.5 基于Smoothlet的图像融合算法91
3.5.1 Smoothlet变换及依赖变换理论介绍92
3.5.2 基于NSCT和Smoothlet的图像融合97
3.5.3 仿真实验和结果分析99
3.6 基于灰度共生矩阵的多聚焦图像融合算法101
3.6.1 图像的灰度共生矩阵101
3.6.2 融合框架102
3.6.3 实验结果104
3.7 本章小结110
第4章 红外与可见光图像融合111
4.1 红外与可见光图像特点111
4.2 基于NSST域自适应PCNN的红外与可见光图像融合算法112
4.2.1 区域提取112
4.2.2 脉冲耦合神经网络（PCNN）113
4.2.3 图像融合框架114
4.2.4 图像融合规则115
4.2.5 实验结果对比与分析116
4.3 基于NSST域模糊逻辑的红外与可见光图像融合算法119
4.3.1 图像融合框架120
4.3.2 图像融合规则121
4.3.3 实验结果对比与分析122
4.4 基于SCM和CST的红外与可见光图像融合算法126
4.4.1 图像融合框架127
4.4.2 图像融合规则128
4.4.3 仿真验证130
4.5 基于复剪切波域结合向导滤波与模糊逻辑的红外与可见光图像融合算法133
4.5.1 融合规则133
4.5.2 仿真验证134
4.6 本章小结137
第5章 医学图像融合138
5.1 医学图像特点138
5.2 基于NSST和高斯混合模型的医学彩色图像融合算法140
5.2.1 HIS模型140
5.2.2 高斯混合模型142
5.2.3 图像融合框架143
5.2.4 图像融合规则144
5.2.5 实验结果对比与分析146
5.3 基于非下采样复小波变换的医学图像融合算法149
5.3.1 非下采样复小波变换的基本理论150
5.3.2 图像融合步骤152
5.3.3 实验结果与分析153
5.4 基于NSST变换和Smoothlet的医学图像融合算法157
5.4.1 图像融合框架157
5.4.2 融合规则159
5.4.3 仿真实验和结果分析160
5.5 Shearlet变换和稀疏表示相结合的甲状腺图像融合算法161
5.5.1 图像的稀疏表示162
5.5.2 图像融合算法164
5.5.3 实验结果与分析166
5.6 基于加权核范数最小化的医学图像融合算法170
5.6.1 加权核范数最小化理论171
5.6.2 图像自相似性172
5.6.3 融合框架173
5.6.4 实验结果分析175
5.7 基于改进拉普拉斯能量的医学图像融合算法179
5.7.1 改进的拉普拉斯能量和180
5.7.2 融合算法182
5.7.3 实验结果与分析182
5.8 基于改进PCNN的非下采样剪切波域医学图像融合算法188
5.8.1 稀疏编码与字典设计方法188
5.8.2 基于稀疏表示的低频图像融合192
5.8.3 滑动窗口尺寸对融合结果的影响195
5.8.4 滑动步长对融合结果的影响196
5.8.5 基于改进PCNN的高频医学图像融合197
5.8.6 不同的PCNN输入项对融合结果的影响199
5.8.7 不同的PCNN链接强度对融合结果的影响200
5.8.8 整体融合算法202
5.8.9 实验结果与分析203
5.9 本章小结212
第6章 基于仿生算法的医学图像融合213
6.1 仿生优化算法概述214
6.1.1 粒子群算法214
6.1.2 蚁群算法215
6.1.3 人工鱼群算法216
6.2 基于人工鱼群算法优化的小波域图像融合算法218
6.2.1 融合规则与具体算法步骤218
6.2.2 实验结果分析221
6.3 结合Shearlet变换和果蝇优化算法的甲状腺图像融合算法226
6.3.1 融合规则227
6.3.2 实验结果分析229
6.4 本章小结233
第7章 遥感图像融合234
7.1 传统的高分辨率遥感图像融合算法及比较234
7.1.1 4种传统融合算法的原理和分析234
7.1.2 算