數(shù)字圖像融合

定　價：￥22.00

作　者：	覃征等編著
出版社：	西安交通大學(xué)出版社
叢編項(xiàng)：
標(biāo)　簽：	數(shù)字圖象處理

購買這本書可以去

ISBN：	9787560518572	出版時間：	2004-01-01	包裝：	平裝
開本：	23cm	頁數(shù)：	174頁	字?jǐn)?shù)：

內(nèi)容簡介

　　本書以數(shù)字圖像融合的三個層次：：像素級、特征級以及決策級融合為主線，系統(tǒng)地介紹了數(shù)字圖像融合的基本概念、基本理論、基本方法以及應(yīng)用實(shí)例等。全書共分7章，可分為三個部分。第一部分簡要介紹了數(shù)字圖像融合的主要研究內(nèi)容、研究方法以及應(yīng)用領(lǐng)域等；第二部分詳細(xì)介紹了幾類典型的數(shù)字圖像融合理論與方法，包括：主成分分析、演化計(jì)算、人工神經(jīng)網(wǎng)絡(luò)、小波變換和模糊邏輯等數(shù)字圖像融合方法；第三部分結(jié)合具體實(shí)例介紹了數(shù)字圖像融合的應(yīng)用。本書著重討論數(shù)字圖像融合中最基本和最成熟的方面，并在一定程度上反映了國內(nèi)外的當(dāng)前工作。本書可作為高等院校高年級本科生、研究生學(xué)習(xí)圖像融合的教材和教學(xué)參考書，也可作為從事圖像融合研究和應(yīng)用的有關(guān)人員的參考書。

作者簡介

　　覃征，清華大學(xué)信息學(xué)院、軟件學(xué)院教授，計(jì)算機(jī)科學(xué)與技術(shù)博士生導(dǎo)師；西安交通大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)系教授，博士生導(dǎo)師。赴美高級訪問學(xué)者。擔(dān)任西安交通大學(xué)電子商務(wù)研究所所長等職，兼任國家教育部科技獎勵評審專家組評委、中國高等學(xué)校電子商務(wù)學(xué)科專家組專家、國內(nèi)外多家重要期刊評委、編委。主要研究方向?yàn)閿?shù)據(jù)融合、移動計(jì)算、軟件體系結(jié)構(gòu)、軟件項(xiàng)目管理、電子商務(wù)等。作為第一完成人，先后獲國家教育部科技進(jìn)步一等獎1項(xiàng)、二等獎2項(xiàng)，軍隊(duì)科技進(jìn)步三等獎2項(xiàng)，省級科技進(jìn)步三等獎1項(xiàng)。在國內(nèi)外重要刊物和會議已發(fā)表論文61篇，出版著作8部。已指導(dǎo)博士后、博士生、碩士生數(shù)十人。

圖書目錄

第1章緒論
1.1什么是圖像融合
1.2圖像融合的主要研究內(nèi)容
1.2.1像素級圖像融合
1.2.2特征級圖像融合
1.2.3決策級圖像融合
1.3圖像融合的步驟
1.4圖像融合研究的發(fā)展現(xiàn)狀和研究熱點(diǎn)
第2章主成分分析法
2.1數(shù)字圖像處理的基本概念
2.1.1數(shù)字圖像
2.1.2RGB-IHS變換模式
2.21HS變換圖像融合
2.2.1普通的IHS圖像融合(GIHS)
2.2.2一種改進(jìn)的IHS圖像融合方法
2.2.3彈性圖像融合介紹
2.3一種子像素圖像融合的金字塔算法
2.3.1定義
2.3.2優(yōu)化
2.3.3插值
2.3.4多分辨
2.3.5裝箱(Binning)
第3章演化計(jì)算法
3.1演化計(jì)算的概念
3.1.1遺傳算法
3.1.2粒子群算法
3.1.3蟻群算法
3.2基于演化計(jì)算的像素級融合
3.2.1基于進(jìn)化策略和IHS變換的圖像融合方法
3.2.2基于粒子群算法的像素級圖像融合
第4章神經(jīng)網(wǎng)絡(luò)法
4.1神經(jīng)網(wǎng)絡(luò)的概念
4.1.1BP網(wǎng)絡(luò)
4.1.2SOM網(wǎng)絡(luò)
4.1.3SGNN網(wǎng)絡(luò)
4.2基于神經(jīng)網(wǎng)絡(luò)的像素級融合
4.2.1噪音圖像的預(yù)處理
4.2.2選擇合適的神經(jīng)網(wǎng)絡(luò)及拓?fù)浣Y(jié)構(gòu)
4.2.3神經(jīng)網(wǎng)絡(luò)訓(xùn)練
4.2.4噪聲圖像融合
4.3基于神經(jīng)網(wǎng)絡(luò)的特征級融合
4.3.1基于神經(jīng)網(wǎng)絡(luò)的圖像邊緣檢測
4.3.2基于神經(jīng)網(wǎng)絡(luò)的圖像特征提取
4.4圖像目標(biāo)自動識別
4.4.1基于神經(jīng)網(wǎng)絡(luò)的數(shù)字圖像目標(biāo)自動識別
4.4.2在靜態(tài)圖像上的應(yīng)用
4.4.3時間相關(guān)性的融合
第5章小波變換法
5.1一般方法
5.1.1圖像的二維小波分解(Mallat方法)
5.1.2圖像融合的小波方法
5.1.3融合結(jié)果評價指標(biāo)
5.1.4實(shí)例
5.2基于樹狀小波的圖像融合
5.2.1樹狀小波分解
5.2.2基于樹狀小波分解的圖像融合方法
6.2.1圖像的預(yù)處理
6.2.2像素時聚類
6.2.3聚類結(jié)果的模糊化
6.2.4融合方法
6.2.5融合實(shí)驗(yàn)及其結(jié)果
6.3特征級模糊圖像融合方法
6.3.1線性特征的自動探測
6.3.2對結(jié)果進(jìn)行多時間融合
6.4依賴時／空范圍信息和頻譜信息的模糊融合
6.4.1問題形成
6.4.2信息源
6.4.3模糊化步驟
6.4.4模糊推理規(guī)則和解模糊
6.4.5向K個日期延伸
6.5多傳感器圖像模糊融合算法在圖像識別中的應(yīng)用
6.5.1圖像模糊融合的基本原理
6.5.2多傳感器多層次圖像融合模糊算法應(yīng)用于圖像識別
第7章圖像融合應(yīng)用
7.1軍事應(yīng)用中的圖像融合
7.1.1MQW圖像融合方法
7.1.2算法
7.1.3以人的角度進(jìn)行的評估和建模
7.1.4數(shù)據(jù)收集
7.2面向遙感應(yīng)用的圖像融合的原理與方法
7.2.1遙感圖像的融合框架
7.2.2遙感圖像融合的實(shí)例
7.3醫(yī)學(xué)圖像融合應(yīng)用
7.3.1案例研究
7.3.2結(jié)論要點(diǎn)
參考文獻(xiàn)