中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
基于脈沖發放皮層模型的圖像融合技術 版權信息
- ISBN：9787030608253
- 條形碼：9787030608253 ; 978-7-03-060825-3
- 裝幀：暫無
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
基于脈沖發放皮層模型的圖像融合技術 本書特色
圖像融合是信息融合領域的一個研究熱點和難點，也是數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。脈沖耦合神經網絡被認為是第三代人工神經網絡。脈沖發放皮層模型是脈沖耦合神經網絡的簡化模型之一，與傳統脈沖耦合神經網絡相比，脈沖發放皮層模型具有更輕的運算量：同時，與現有的其他脈沖耦合神經網絡簡化模型相比，脈沖發放皮層模型具備完善的數學理論基礎，更接近視覺神經元的生物特性！痘诿}沖發射皮層模型的圖像融合技術》從脈沖發放皮層模型的哺乳動物視覺特性出發，利用像素級圖像融合原理，探索將脈沖發放皮層模型應用于圖像融合領域的基本原理與技術路線。《基于脈沖發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，指出基于脈沖發放皮層模型的融合技術的關鍵性環節和難點問題，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。《基于脈沖發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。
基于脈沖發放皮層模型的圖像融合技術 內容簡介
圖像融合是信息融合領域的一個研究熱點和難點，也是數字圖像處理領域非常重要的一個研究分支。由于軍事和民用的需求，研究人員對圖像融合領域一直不斷開展廣泛的研究，并提出各種融合理論和算法。脈沖耦合神經網絡(PulseCoupledNeuralNetwork,PCNN)是第三代人工神經網絡的典型代表。PCNN來源于哺乳動物視覺皮層神經元同步振蕩現象。PCNN數學模型參數多且計算復雜度比較高。脈沖發放皮層模型(SpikingCorticalModel,SCM))是PCNN的簡化模型。與傳統PCNN相比，SCM具有更輕的運算量；同時，與現有的PCNN其它簡化模型相比，SCM模型具備完善的數學理論基礎，更接近視覺神經元的生物特性。本書從脈沖發放皮層模型的哺乳動物視覺特性出發，利用像素級圖像融合原理，將脈沖發放皮層模型應用于圖像融合領域。研究工作圍繞基于脈沖發放皮層模型的多聚焦、多傳感器圖像融合技術展開。重點討論了基于脈沖發放皮層模型的圖像融合技術、將脈沖發放皮層模型與經典的離散小波變換相結合進行圖像融合的技術、以及將脈沖發放皮層模型與代表多尺度分析方法*新技術的非下采樣Contourlet相結合進行圖像融合的技術。提出并設計了符合人眼視覺特性的相關圖像融合算法，指出基于脈沖發放皮層模型的融合技術的關鍵性環節和難點問題，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。文中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。
基于脈沖發放皮層模型的圖像融合技術 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勢 2 1.2 像素級圖像融合方法概述 2 1.3 國內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容安排 7 1.4.1 主要創新工作 7 1.4.2 內容安排 7第2章 脈沖耦合神經網絡 10 2.1 人工神經網絡 10 2.1.1 人工神經網絡簡介 10 2.1.2 人工神經網絡發展歷程 11 2.1.3 深度學習——**代表性的人工神經網絡未來趨勢之一 14 2.1.4 人工神經網絡特點 15 2.2 神經元及視覺皮層概念 17 2.2.1 神經元 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模型網絡循環次數的設定 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 基于脈沖發放皮層模型與非下采樣輪廓波變換的多傳感器醫學圖像融合 68 4.1 引言 68 4.1.1 醫學圖像融合背景與意義 68 4.1.2 多分辨率分析的發展演變：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 神經網絡 112 7.2.2 脈沖耦合神經網絡 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
展開全部
書友推薦
- >
伊索寓言-世界文學名著典藏-全譯本
- >
山海經
- >
經典常談
- >
上帝之肋:男人的真實旅程
- >
羅庸西南聯大授課錄
- >
莉莉和章魚
- >
李白與唐代文化
- >
詩經-先民的歌唱
本類暢銷
