掃一掃
關(guān)注中圖網(wǎng)
官方微博
包郵 圖像融合技術(shù)-基于多分辨率非下采樣理論與方法
作者：孔韋韋
開(kāi)本：
16開(kāi)
頁(yè)數(shù)：
277
讀者評(píng)分：5分1條評(píng)論
本類榜單：教材銷量榜
本類五星書(shū)更多>
-
>
闖進(jìn)數(shù)學(xué)世界――探秘歷史名題
-
>
中醫(yī)基礎(chǔ)理論
-
>
當(dāng)代中國(guó)政府與政治(新編21世紀(jì)公共管理系列教材)
-
>
高校軍事課教程
-
>
思想道德與法治(2021年版)
-
>
毛澤東思想和中國(guó)特色社會(huì)主義理論體系概論(2021年版)
-
>
中醫(yī)內(nèi)科學(xué)·全國(guó)中醫(yī)藥行業(yè)高等教育“十四五”規(guī)劃教材
中圖價(jià):¥25.5
加入購(gòu)物車
圖像融合技術(shù)-基于多分辨率非下采樣理論與方法 版權(quán)信息
- ISBN：9787560637198
- 條形碼：9787560637198 ; 978-7-5606-3719-8
- 裝幀：一般膠版紙
- 冊(cè)數(shù)：暫無(wú)
- 重量：暫無(wú)
- 所屬分類：>>
圖像融合技術(shù)-基于多分辨率非下采樣理論與方法 本書(shū)特色
本書(shū)系統(tǒng)介紹了多分辨率非下采樣理論及其方法在模式識(shí)別、圖像信息融合等領(lǐng)域的應(yīng)用。全書(shū)分為四篇，共15章。*篇為基礎(chǔ)知識(shí)（第1章），介紹了圖像融合的背景、目的、意義、發(fā)展現(xiàn)狀及融合效果評(píng)價(jià)指標(biāo)。第二篇為基于特征的圖像匹配（第2～6章），其中介紹了圖像配準(zhǔn)的相關(guān)基礎(chǔ)理論、圖像的成像幾何基礎(chǔ)以及圖像變換模型，基于特征相似性度量的圖像配準(zhǔn)方法，基于概率抽樣一致性的魯棒性基礎(chǔ)矩陣估計(jì)算法以及基于核模糊均值聚類的基礎(chǔ)矩陣估計(jì)算法，基于直線幾何約束點(diǎn)特征的圖像配準(zhǔn)方法，基于尺度特征的動(dòng)態(tài)連續(xù)目標(biāo)識(shí)別跟蹤算法以及STK軟件等相關(guān)內(nèi)容。第三篇為基于多分辨率非下采樣理論NSCT的圖像融合（第7～11章），其中介紹了基于直覺(jué)模糊熵的圖像預(yù)處理方法，基于改進(jìn)型NSCT的圖像融合方法，基于NSCT與AUFLPCNN的圖像融合方法以及基于NSCT與I2CM的圖像融合方法，基于NSCT域改進(jìn)型非負(fù)矩陣分解的圖像融合方法，基于NSCT與IHS變換域的圖像彩色化融合方法。第四篇為基于多分辨率非下采樣理論NSST的圖像融合（第12～15章），其中介紹了基于NSST域人眼視覺(jué)特性的圖像融合方法，基于NSST域IPCNN的圖像融合方法以及基于NSST域I2CM的圖像融合方法，基于NSST域改進(jìn)型非負(fù)矩陣分解的圖像融合方法，基于NSST域改進(jìn)型感受野模型的圖像融合方法等。 本書(shū)內(nèi)容新穎，邏輯嚴(yán)謹(jǐn)，語(yǔ)言通俗，注重基礎(chǔ)，面向應(yīng)用，可作為高等院校計(jì)算機(jī)、信息等專業(yè)的高年級(jí)本科生或研究生計(jì)算智能課程的教材或教學(xué)參考書(shū)，也可作為從事圖像智能信息處理、智能信息融合等研究的教師、研究生以及相關(guān)領(lǐng)域技術(shù)人員的參考書(shū)。
圖像融合技術(shù)-基于多分辨率非下采樣理論與方法 內(nèi)容簡(jiǎn)介
本書(shū)系統(tǒng)介紹了多分辨率非下采樣理論及其方法在模式識(shí)別、圖像信息融合等領(lǐng)域的應(yīng)用。全書(shū)分為四篇，共15章。**篇為基礎(chǔ)知識(shí)（第1章），介紹了圖像融合的背景、目的、意義、發(fā)展現(xiàn)狀及融合效果評(píng)價(jià)指標(biāo)。第二篇為基于特征的圖像匹配（第2～6章），其中介紹了圖像配準(zhǔn)的相關(guān)基礎(chǔ)理論、圖像的成像幾何基礎(chǔ)以及圖像變換模型，基于特征相似性度量的圖像配準(zhǔn)方法，基于概率抽樣一致性的魯棒性基礎(chǔ)矩陣估計(jì)算法以及基于核模糊均值聚類的基礎(chǔ)矩陣估計(jì)算法，基于直線幾何約束點(diǎn)特征的圖像配準(zhǔn)方法，基于尺度特征的動(dòng)態(tài)連續(xù)目標(biāo)識(shí)別跟蹤算法以及STK軟件等相關(guān)內(nèi)容。第三篇為基于多分辨率非下采樣理論NSCT的圖像融合（第7～11章），其中介紹了基于直覺(jué)模糊熵的圖像預(yù)處理方法，基于改進(jìn)型NSCT的圖像融合方法，基于NSCT與AUFLPCNN的圖像融合方法以及基于NSCT與I2CM的圖像融合方法，基于NSCT域改進(jìn)型非負(fù)矩陣分解的圖像融合方法，基于NSCT與IHS變換域的圖像彩色化融合方法。第四篇為基于多分辨率非下采樣理論NSST的圖像融合（第12～15章），其中介紹了基于NSST域人眼視覺(jué)特性的圖像融合方法，基于NSST域IPCNN的圖像融合方法以及基于NSST域I2CM的圖像融合方法，基于NSST域改進(jìn)型非負(fù)矩陣分解的圖像融合方法，基于NSST域改進(jìn)型感受野模型的圖像融合方法等。 本書(shū)內(nèi)容新穎，邏輯嚴(yán)謹(jǐn)，語(yǔ)言通俗，注重基礎(chǔ)，面向應(yīng)用，可作為高等院校計(jì)算機(jī)、信息等專業(yè)的高年級(jí)本科生或研究生計(jì)算智能課程的教材或教學(xué)參考書(shū)，也可作為從事圖像智能信息處理、智能信息融合等研究的教師、研究生以及相關(guān)領(lǐng)域技術(shù)人員的參考書(shū)。
圖像融合技術(shù)-基于多分辨率非下采樣理論與方法 目錄
**篇 基 礎(chǔ) 知 識(shí)
第1章 概述 2
1.1 圖像融合的研究背景、目的及意義
2
1.1.1 研究背景 2
1.1.2 研究目的及意義 2
1.2 信息融合 3
1.3 圖像融合 5
1.4 圖像融合的層次 10
1.5 圖像融合的性能評(píng)價(jià) 12
1.5.1 圖像的主觀評(píng)價(jià) 12
1.5.2 圖像的客觀評(píng)價(jià) 13
1.5.3 單幅圖像的性能評(píng)價(jià)指標(biāo) 14
1.5.4 融合圖像的幾個(gè)評(píng)價(jià)指標(biāo) 14
本章參考文獻(xiàn) 17
第二篇 基于特征的圖像匹配
第2章 圖像配準(zhǔn)的基礎(chǔ)理論 24
2.1 圖像配準(zhǔn)技術(shù)的產(chǎn)生背景 24
2.2 圖像配準(zhǔn)技術(shù)的發(fā)展 25
2.2.1 特征提取 25
2.2.2 特征描述 26
2.2.3 特征匹配 28
2.2.4 選取變換模型求取參數(shù) 29
2.2.5 優(yōu)化策略 29
2.2.6 坐標(biāo)變換與插值 29
2.2.7 性能評(píng)估 30
2.2.8 系統(tǒng)實(shí)現(xiàn) 31
2.3 成像幾何基礎(chǔ) 32
2.3.1 成像幾何坐標(biāo)系統(tǒng) 32
2.3.2 成像幾何模型 32
2.4 圖像變換模型 35
2.4.1 攝像機(jī)運(yùn)動(dòng) 35
2.4.2 圖像變換 35
2.4.3 透視變換矩陣的求解…37
本章小結(jié) 38
本章參考文獻(xiàn) 39
第3章 基于特征相似性度量的
圖像配準(zhǔn)方法 44
3.1 模糊集 44
3.2 直覺(jué)模糊集 46
3.2.1 直覺(jué)模糊集的形成與發(fā)展 46
3.2.2 直覺(jué)模糊集的基本概念 48
3.2.3 直覺(jué)模糊集的基本運(yùn)算 49
3.2.4 直覺(jué)模糊集的截集 49
3.2.5 直覺(jué)模糊集截集的性質(zhì)與核 51
3.2.6 直覺(jué)模糊集的特點(diǎn) 52
3.3 基于直覺(jué)模糊距離的圖像匹配方法 53
3.3.1 直覺(jué)模糊特征匹配方法 53
3.3.2 特征點(diǎn)匹配算法 54
3.3.3 實(shí)驗(yàn)結(jié)果與分析 56
3.4 基于改進(jìn)Hausdorff距離的圖像
配準(zhǔn)方法 60
3.4.1 空間點(diǎn)特征提取 60
3.4.2 Hausdorff距離 61
3.4.3 實(shí)驗(yàn)結(jié)果與分析 63
本章小結(jié) 66
本章參考文獻(xiàn) 66
第4章 魯棒性基礎(chǔ)矩陣估計(jì)方法 74
4.1 經(jīng)典基礎(chǔ)矩陣估計(jì)方法比較 74
4.2 魯棒的基本概念 74
4.3 對(duì)極幾何估計(jì)及基礎(chǔ)矩陣 76
4.3.1 平面誘導(dǎo)的單位 76
4.3.2 對(duì)極幾何約束 76
4.4 基礎(chǔ)矩陣估計(jì)算法 77
4.4.1 線性8點(diǎn)算法 77
4.4.2 RANSAC算法 78
4.4.3 MLESAC算法 78
4.4.4 GMSAC算法 79
4.5 基于概率抽樣一致性的基礎(chǔ)矩陣估
計(jì)算法 79
4.5.1 模型評(píng)價(jià)函數(shù) 80
4.5.2 預(yù)檢驗(yàn) 81
4.5.3 樣本重采樣 82
4.5.4 算法過(guò)程 82
4.5.5 算法計(jì)算量分析 82
4.5.6 實(shí)驗(yàn)結(jié)果與分析 83
4.6 基于KFCM的魯棒性基礎(chǔ)矩陣估計(jì)算法 88
4.6.1 KFCM算法 88
4.6.2 內(nèi)外點(diǎn)可分性判定 91
4.6.3 算法步驟總結(jié) 91
4.6.4 實(shí)驗(yàn)結(jié)果與分析 92
本章小結(jié) 99
本章參考文獻(xiàn) 99
第5章 基于直線幾何約束點(diǎn)特征的圖像配準(zhǔn)方法 101
5.1 直線特征與點(diǎn)特征 101
5.2 特征點(diǎn)檢測(cè)算法——SIFT 102
5.2.1 SIFT算法原理 102
5.2.2 SIFT算法實(shí)現(xiàn)概述 103
5.2.3 SIFT算法實(shí)現(xiàn)過(guò)程 103
5.3 基于直線約束特征點(diǎn)集檢測(cè) 110
5.3.1 基于直線約束特征點(diǎn)集定義 110
5.3.2 同序性檢測(cè) 111
5.3.3 直線約束特征點(diǎn)子集檢測(cè) 111
5.4 基于直線幾何約束的點(diǎn)特征圖像配準(zhǔn)算法 113
5.5 實(shí)驗(yàn)結(jié)果與分析 114
5.5.1 Graffiti真實(shí)圖像實(shí)驗(yàn) 114
5.5.2 Trees真實(shí)圖像實(shí)驗(yàn) 118
5.5.3 對(duì)比實(shí)驗(yàn) 121
本章小結(jié) 123
本章參考文獻(xiàn) 123
第6章 基于尺度不變特征的圖像
目標(biāo)識(shí)別與跟蹤方法 124
6.1 尺度不變特征的匹配 124
6.2 基于尺度特征的動(dòng)態(tài)連續(xù)目標(biāo)識(shí)別跟蹤算法 125
6.2.1 目標(biāo)識(shí)別算法 125
6.2.2 目標(biāo)跟蹤算法 125
6.2.3 基于特征的動(dòng)態(tài)連續(xù)目標(biāo)識(shí)別跟蹤算法 126
6.3 STK軟件簡(jiǎn)介 126
6.3.1 STK的主要功能 127
6.3.2 STK具體模塊介紹 128
6.4 實(shí)驗(yàn)結(jié)果與分析 138
6.4.1 衛(wèi)星目標(biāo)跟蹤實(shí)驗(yàn) 138
6.4.2 戰(zhàn)機(jī)目標(biāo)跟蹤實(shí)驗(yàn) 139
本章小結(jié) 141
本章參考文獻(xiàn) 142
第三篇 基于多分辨率非下采樣理論NSCT的圖像融合
第7章 基于直覺(jué)模糊熵的圖像預(yù)處理方法 144
7.1 改進(jìn)型直覺(jué)模糊熵模型的構(gòu)造 144
7.1.1 直覺(jué)模糊熵的幾何解釋 145
7.1.2 直覺(jué)模糊熵的構(gòu)造 146
7.2 圖像預(yù)處理問(wèn)題的直覺(jué)模糊推廣 148
7.3 基于直覺(jué)模糊熵的圖像預(yù)處理算法 149
7.3.1 圖像的脈沖噪聲檢測(cè) 149
7.3.2 圖像內(nèi)部像素點(diǎn)的脈沖噪聲處理 150
7.3.3 圖像邊界像素點(diǎn)的脈沖噪聲處理 151
7.4 實(shí)例結(jié)果與分析 152
7.4.1 實(shí)驗(yàn)描述 152
7.4.2 灰度可見(jiàn)光圖像預(yù)處理仿真實(shí)驗(yàn) 153
7.4.3 紅外圖像預(yù)處理仿真實(shí)驗(yàn) 154
7.4.4 實(shí)驗(yàn)結(jié)果討論 156
本章小結(jié) 157
本章參考文獻(xiàn) 157
第8章 基于改進(jìn)型NSCT的圖像融合方法 159
8.1 改進(jìn)型NSCT模型的產(chǎn)生背景 159
8.2 經(jīng)典NSCT模型基本理論 160
8.2.1 非下采樣金字塔分解 160
8.2.2 非下采樣方向?yàn)V波器組分解 161
8.3 NSCT的改進(jìn)型模型 164
8.3.1 不可分離小波變換 164
8.3.2 冗余提升不可分離小波變換 164
8.4 基于改進(jìn)型NSCT的圖像融合方法 166
8.4.1 基于改進(jìn)型NSCT的圖像融合框架 167
8.4.2 低通子帶信息融合規(guī)則 168
8.4.3 帶通子帶信息融合規(guī)則 169
8.5 實(shí)驗(yàn)結(jié)果與分析 171
8.5.1 實(shí)驗(yàn)描述 171
8.5.2 多聚焦灰度圖像融合仿真實(shí)驗(yàn) 172
8.5.3 多波段遙感圖像融合仿真實(shí)驗(yàn) 174
本章小結(jié) 175
本章參考文獻(xiàn) 176
第9章 基于NSCT域新型神經(jīng)網(wǎng)絡(luò)模型的圖像融合方法 178
9.1 新型神經(jīng)網(wǎng)絡(luò)模型的產(chǎn)生背景 178
9.2 神經(jīng)元及大腦皮層生物特性 179
9.3 基于NSCT與AUFLPCNN的圖像融合方法 180
9.3.1 脈沖耦合神經(jīng)網(wǎng)絡(luò)基本模型 180
9.3.2 AUFLPCNN模型及其賦時(shí)矩陣 182
9.3.3 AUFLPCNN模型的參數(shù)確定 184
9.3.4 基于NSCT與AUFLPCNN的圖像融合方法 185
9.3.5 實(shí)驗(yàn)結(jié)果與分析 186
9.4 基于NSCT與I2CM的圖像融合方法 189
9.4.1 交叉視覺(jué)皮層模型的基本結(jié)構(gòu) 189
9.4.2 ICM與數(shù)學(xué)形態(tài)學(xué)在圖像處理中的等價(jià)性 191
9.4.3 I2CM及其參數(shù)的確定 197
9.4.4 基于NSCT與I2CM的圖像融合方法 198
9.4.5 實(shí)驗(yàn)結(jié)果與分析 199
本章小結(jié) 201
本章參考文獻(xiàn) 202
第10章 基于NSCT域改進(jìn)型非負(fù)矩陣分解的圖像融合方法 204
10.1 改進(jìn)型NMF模型的產(chǎn)生背景 204
10.2 經(jīng)典NMF模型 204
10.3 改進(jìn)型NMF模型 210
10.4 改進(jìn)型NMF模型的參數(shù)確定 212
10.5 基于NSCT域改進(jìn)型NMF的圖像融合方法 213
10.6 實(shí)驗(yàn)結(jié)果與分析 214
10.6.1 多聚焦圖像融合實(shí)驗(yàn) 214
10.6.2 醫(yī)學(xué)圖像融合實(shí)驗(yàn) 216
10.6.3 灰度可見(jiàn)光與紅外圖像融合實(shí)驗(yàn) 217
10.6.4 實(shí)驗(yàn)結(jié)果討論 218
本章小結(jié) 222
本章參考文獻(xiàn) 223
第11章 基于NSCT與IHS變換域的圖像彩色化融合方法 225
11.1 經(jīng)典的偽彩色圖像融合方法 225
11.2 RGB空間與IHS空間的互換實(shí)現(xiàn) 226
11.3 基于NSCT與IHS變換的圖像融合方法 230
11.3.1 圖像融合總體框架 230
11.3.2 灰度可見(jiàn)光的彩色傳遞 231
11.3.3 低通圖像融合方法 231
11.3.4 帶通圖像融合方法 232
11.4 實(shí)驗(yàn)結(jié)果與分析 233
本章小結(jié) 235
本章參考文獻(xiàn) 235
第四篇 基于多分辨率非下采樣理論NSST的圖像融合
第12章 基于NSST域人眼視覺(jué)特性的圖像融合方法 238
12.1 經(jīng)典NSST模型基本理論 238
12.2 視覺(jué)敏感度系數(shù) 241
12.3 基于NSST域人眼視覺(jué)特性的圖像融合方法 242
12.4 實(shí)驗(yàn)結(jié)果與分析 243
12.4.1 融合方法與量化評(píng)價(jià)指標(biāo) 243
12.4.2 多聚焦灰度圖像融合仿真實(shí)驗(yàn) 243
12.4.3 灰度可見(jiàn)光與紅外圖像融合實(shí)驗(yàn) 245
12.4.4 實(shí)驗(yàn)結(jié)果討論 246
本章小結(jié) 246
本章參考文獻(xiàn) 247
第13章 基于NSST域改進(jìn)型神經(jīng)網(wǎng)絡(luò)模型的圖像融合方法 248
13.1 IPCNN模型及其賦時(shí)矩陣 248
13.2 基于NSST域IPCNN的圖像融合方法 249
13.3 實(shí)驗(yàn)結(jié)果與分析 250
13.3.1 實(shí)驗(yàn)描述 250
13.3.2 融合實(shí)驗(yàn)結(jié)果 250
13.3.3 實(shí)驗(yàn)結(jié)果討論 253
13.4 基于NSST域I2CM的圖像融合方法 255
13.5 實(shí)驗(yàn)結(jié)果與分析 256
本章小結(jié) 257
本章參考文獻(xiàn) 257
第14章 基于NSST域改進(jìn)型非負(fù)矩陣分解的圖像融合方法 259
14.1 二維改進(jìn)型NMF模型 259
14.1.1 INMF模型的行方向構(gòu)建 259
14.1.2 INMF模型的列方向構(gòu)建 260
14.2 基于NSST域INMF的圖像融合方法 260
14.3 實(shí)驗(yàn)結(jié)果與分析 261
14.3.1 實(shí)驗(yàn)方法及參數(shù)設(shè)定 262
14.3.2 多聚焦圖像融合實(shí)驗(yàn) 262
14.3.3 醫(yī)學(xué)圖像融合實(shí)驗(yàn) 263
14.3.4 實(shí)驗(yàn)結(jié)果討論 264
本章小結(jié) 267
本章參考文獻(xiàn) 267
第15章 基于NSST域改進(jìn)型感受野模型的圖像融合方法 268
15.1 經(jīng)典感受野模型的生物視覺(jué)機(jī)理 268
15.2 改進(jìn)型感受野模型 269
15.3 基于NSST域改進(jìn)型感受野模型的圖像融合方法 271
15.4 實(shí)驗(yàn)結(jié)果與分析 272
15.4.1 多聚焦圖像融合實(shí)驗(yàn) 272
15.4.2 灰度可見(jiàn)光與紅外圖像融合實(shí)驗(yàn) 274
15.4.3 實(shí)驗(yàn)結(jié)果討論 275
本章小結(jié) 277
本章參考文獻(xiàn) 277
展開(kāi)全部
商品評(píng)論(1條)
書(shū)友推薦
- >
小考拉的故事-套裝共3冊(cè)
- >
月亮虎
- >
企鵝口袋書(shū)系列·偉大的思想20:論自然選擇(英漢雙語(yǔ))
- >
我從未如此眷戀人間
- >
中國(guó)人在烏蘇里邊疆區(qū):歷史與人類學(xué)概述
- >
羅曼·羅蘭讀書(shū)隨筆-精裝
- >
【精裝繪本】畫(huà)給孩子的中國(guó)神話
- >
唐代進(jìn)士錄
本類暢銷
