基于多尺度几何分析的图像融合理论及应用

目录
前言
上篇 基础理论篇
第1章 绪论 3
1.1 图像融合基本概念 3
1.2 图像融合技术发展现状 4
1.3 图像融合方法分类 5
1.3.1 基于等级的图像融合方法分类 5
1.3.2 基于域的图像融合方法分类 7
1.4 图像融合应用领域 7
参考文献 8
第2章 图像融合预处理 11
2.1 图像配准 11
2.2 图像校正 13
2.3 图像去噪 14
2.3.1 中值滤波 14
2.3.2 高斯滤波 15
2.3.3 邻域平均法滤波 16
参考文献 17
第3章 图像特性与质量评价 18
3.1 红外与可见光图像的特性 18
3.1.1 红外与可见光传感器成像机理 18
3.1.2 红外与可见光图像的区别 18
3.1.3 红外与可见光图像的关系 20
3.2 融合图像的质量评价 20
3.2.1 主观评价 20
3.2.2 客观评价 21
参考文献 25
第4章 多尺度几何分析理论 27
4.1 多尺度几何分析简介 27
4.2 多尺度几何分析发展现状 27
4.3 多尺度几何分析方法分类 29
4.3.1 自适应多尺度几何分析 29
4.3.2 非自适应多尺度几何分析 31
参考文献 33
下篇 方法应用篇
第5章 基于NSCT的红外与可见光图像融合方法 37
5.1 研究背景 37
5.2 Contourlet变换 37
5.2.1 拉普拉斯金字塔 38
5.2.2 方向滤波器 39
5.3 NSCT变换 40
5.3.1 非下采样金字塔分解 42
5.3.2 非下采样方向滤波器组 43
5.4 基于局部区域标准方差的融合方法 45
5.4.1 方法流程 45
5.4.2 低频子带系数融合 46
5.4.3 高频子带系数融合 46
5.4.4 实验结果与分析 49
5.4.5 小结 53
5.5 基于双边滤波器的含噪红外与可见光图像融合方法 54
5.5.1 方法流程 54
5.5.2 图像融合规则 54
5.5.3 实验结果与分析 57
5.5.4 小结 63
参考文献 63
第6章 基于Tetrolet变换的红外与可见光图像融合方法 65
6.1 研究背景 65
6.2 Tetrolet变换 67
6.2.1 Haar小波变换 67
6.2.2 Tetrolet变换与改进 68
6.3 基于Tetrolet变换的红外与可见光图像融合方法 71
6.3.1 Tetrolet变换与颜色空间映射 71
6.3.2 方法流程 72
6.3.3 低频子带系数融合 73
6.3.4 高频子带系数融合 74
6.3.5 RGB颜色空间恢复 75
6.3.6 实验结果与分析 76
6.3.7 小结 79
6.4 多方向SML与Tetrolet变换的图像融合方法 80
6.4.1 方法框架 80
6.4.2 图像融合规则 80
6.4.3 实验结果与分析 84
6.4.4 小结 88
6.5 基于Tetrolet变换的近红外与彩色可见光图像融合方法 88
6.5.1 图像融合方法 89
6.5.2 CSC颜色校正 94
6.5.3 评价指标 95
6.5.4 实验结果与分析 97
6.5.5 小结 101
参考文献 101
第7章 基于 Ripplet变换的红外与可见光图像融合方法 104
7.1 研究背景 104
7.2 Ripplet变换 104
7.2.1 连续Ripplet变换 104
7.2.2 离散Ripplet变换 106
7.3 基于Ripplet变换的红外与可见光图像融合方法 107
7.3.1 方法流程 107
7.3.2 图像融合规则 108
7.3.3 实验结果与分析 111
7.4 小结 114
参考文献 114
第8章 基于NSST变换的红外与可见光图像融合方法 116
8.1 基于神经网络与NSST的红外与可见光图像融合方法 116
8.1.1 研究背景 116
8.1.2 NSST变换 117
8.1.3 方法流程 117
8.1.4 低频子带融合 118
8.1.5 高频子带融合 120
8.1.6 实验结果与分析 121
8.1.7 小结 127
8.2 基于DLatLRR与VGG Net的红外与可见光图像融合方法 127
8.2.1 研究背景 127
8.2.2 潜在低秩表示分解 128
8.2.3 VGG网络 130
8.2.4 图像融合 130
8.2.5 实验结果与分析 136
8.2.6 小结 140
8.3 基于混合模型驱动的红外与可见光图像融合方法 140
8.3.1 研究背景 140
8.3.2 方法流程 141
8.3.3 混合图像分解模型 142
8.3.4 显著子带融合 142
8.3.5 基础子带融合 144
8.3.6 实验结果与分析 146
8.3.7 小结152
参考文献 152
第9章 基于MSTO的含噪声多传感器图像融合方法 156
9.1 研究背景 156
9.2 数学形态学分解算子 157
9.2.1 数学形态学开关算子 157
9.2.2 亮边缘和暗边缘 158
9.3 基于MSTO的含噪声多传感器图像融合方法 159
9.3.1 方法流程 159
9.3.2 Beamlet保边滤波算子 160
9.3.3 亮边缘和暗边缘的融合 160
9.3.4 细节图像融合 161
9.3.5 能量图像融合 161
9.3.6 MSTO逆变换 161
9.4 实验结果与分析 162
9.5 小结 164
参考文献 164
第10章 基于Tetrolet变换的彩色水下图像清晰化方法 166
10.1 研究背景 166
10.2 算法基础 166
10.2.1 水下图像退化模型 167
10.2.2 暗原色先验估计 167
10.3 算法原理 168
10.3.1 方法流程 168
10.3.2 空间映射 169
10.3.3 l亮度通道的清晰化处理 170
10.3.4 lαβ颜色通道色彩校正 172
10.3.5 颜色空间反向映射 172
10.4 实验结果与分析 173
10.4.1 主观评价 173
10.4.2 客观评价 173
10.5 小结 175
参考文献 175
第11章 基于多尺度几何变换的图像去雾方法 177
11.1 基于NSCT变换的雾天图像清晰化方法 177
11.1.1 研究背景 177
11.1.2 方法流程 177
11.1.3 亮度通道清晰化处理 179
11.1.4 颜色通道拉伸 185
11.1.5 实验结果与分析 186
11.1.6 小结 188
11.2 基于近红外与可见光双通道传感器信息融合的去雾方法 189
11.2.1 研究背景 189
11.2.2 相关理论 190
11.2.3 基于 NSST的图像去雾方法流程 192
11.2.4 NSST域融合 193
11.2.5 饱和度通道去雾 196
11.2.6 实验结果与分析 196
11.2.7 小结 199
参考文献 199
彩图