多源图像融合

本书围绕多源图像融合技术，基于脉冲耦合神经网络、随机漫步、引导滤波和稀疏表示理论深入研究并探索多聚焦图像融合和多模态医学图像融合的方法。本书内容来自作者研究团队10多年来的科研积累和知识沉淀，相关方法也都是作者研究团队在现有基础上的创新与改进。
本书可以作为高等院校计算机类、电子信息类等相关专业高年级本科生和研究生的参考书，也可供人工智能、机器视觉、模式识别、数字图像处理等领域的科研人员阅读。

前言
第1章多聚焦图像融合1
1.1多聚焦图像融合概述1
1.1.1图像融合基础1
1.1.2多聚焦图像及其融合技术4
1.2多聚焦图像融合框架6
1.2.1基于空间域的融合方法6
1.2.2基于变换域的融合方法10
1.2.3基于深度学习的融合方法12
1.3多聚焦图像融合的评价方法14
参考文献20
第2章基于脉冲耦合神经网络的多聚焦图像融合22
2.1脉冲耦合神经网络理论22
2.1.1PCNN模型23
2.1.2在图像处理领域的应用29
2.1.3在非图像处理领域的应用33
2.1.4硬件实现34
2.2PCNN在图像融合中的应用34
2.2.1空间域图像融合35
2.2.2变换域图像融合38
2.2.3硬件实现44
2.3基于双通道PCNN的多聚焦图像融合算法44
2.3.1双通道PCNN模型44
2.3.2基于双通道PCNN的融合算法46
2.3.3实验结果与分析49
参考文献58
第3章基于随机漫步的多聚焦图像融合73
3.1随机漫步理论73
3.1.1随机漫步标准模型73
3.1.2随机漫步改进模型77
3.2随机漫步在图像处理中的应用82
3.2.1基于随机漫步的图像分割82
3.2.2基于随机漫步的图像融合88
3.2.3基于随机漫步的其他应用90
3.3基于随机漫步与PCNN的多聚焦图像融合算法96
3.3.1自启动随机漫步模型96
3.3.2改进的PCNN模型99
3.3.3算法描述100
3.3.4实验结果与分析103
参考文献116
第4章基于引导滤波的多聚焦图像融合121
4.1引导滤波121
4.1.1引导滤波理论121
4.1.2引导滤波在图像处理领域的应用122
4.2基于引导滤波器和PCNN的图像融合算法123
4.2.1改进的PCNN模型123
4.2.2算法描述124
4.2.3实验结果与分析127
4.3基于引导滤波与随机漫步的图像融合算法135
4.3.1算法描述136
4.3.2实验结果与分析139
4.4基于引导滤波与随机漫步的图像融合改进算法146
4.4.1算法描述146
4.4.2实验结果与分析149
参考文献156
第5章拼接缝图像融合157
5.1图像拼接157
5.1.1拼接流程158
5.1.2图像配准159
5.2图像拼接中的图像融合167
5.2.1拼接缝的产生167
5.2.2拼接缝的消除方法168
5.3基于曲波变换的拼接缝融合算法170
5.3.1曲波变换170
5.3.2拼接缝融合173
5.3.3实验结果与分析175
参考文献188
第6章多模态医学图像融合193
6.1医学图像融合概述193
6.1.1基本概念194
6.1.2研究现状194
6.2图像融合评价196
6.2.1评价方法196
6.2.2评价指标分析203
6.3基于多通道PCNN的医学图像融合算法205
6.3.1图像融合算法206
6.3.2实验结果与分析207
参考文献214
第7章基于自适应稀疏表示的多模态图像融合218
7.1相关基础理论218
7.1.1图像的多尺度变换218
7.1.2稀疏表示222
7.1.3融合规则223
7.1.4融合算法评价226
7.2基于自适应稀疏表示与引导滤波的图像融合算法228
7.2.1相关模型228
7.2.2算法描述232
7.2.3算法仿真和评价236
7.3基于自适应稀疏表示与拉普拉斯金字塔的图像融合算法243
7.3.1算法描述243
7.3.2算法仿真和评价246
参考文献253