基于多尺度幾何分析的圖像融合理論及應用

目錄
前言
上篇 基礎理論篇
第1章 緒論 3
1.1 圖像融合基本概念 3
1.2 圖像融合技術發(fā)展現(xiàn)狀 4
1.3 圖像融合方法分類 5
1.3.1 基于等級的圖像融合方法分類 5
1.3.2 基于域的圖像融合方法分類 7
1.4 圖像融合應用領域 7
參考文獻 8
第2章 圖像融合預處理 11
2.1 圖像配準 11
2.2 圖像校正 13
2.3 圖像去噪 14
2.3.1 中值濾波 14
2.3.2 高斯濾波 15
2.3.3 鄰域平均法濾波 16
參考文獻 17
第3章 圖像特性與質量評價 18
3.1 紅外與可見光圖像的特性 18
3.1.1 紅外與可見光傳感器成像機理 18
3.1.2 紅外與可見光圖像的區(qū)別 18
3.1.3 紅外與可見光圖像的關系 20
3.2 融合圖像的質量評價 20
3.2.1 主觀評價 20
3.2.2 客觀評價 21
參考文獻 25
第4章 多尺度幾何分析理論 27
4.1 多尺度幾何分析簡介 27
4.2 多尺度幾何分析發(fā)展現(xiàn)狀 27
4.3 多尺度幾何分析方法分類 29
4.3.1 自適應多尺度幾何分析 29
4.3.2 非自適應多尺度幾何分析 31
參考文獻 33
下篇 方法應用篇
第5章 基于NSCT的紅外與可見光圖像融合方法 37
5.1 研究背景 37
5.2 Contourlet變換 37
5.2.1 拉普拉斯金字塔 38
5.2.2 方向濾波器 39
5.3 NSCT變換 40
5.3.1 非下采樣金字塔分解 42
5.3.2 非下采樣方向濾波器組 43
5.4 基于局部區(qū)域標準方差的融合方法 45
5.4.1 方法流程 45
5.4.2 低頻子帶系數(shù)融合 46
5.4.3 高頻子帶系數(shù)融合 46
5.4.4 實驗結果與分析 49
5.4.5 小結 53
5.5 基于雙邊濾波器的含噪紅外與可見光圖像融合方法 54
5.5.1 方法流程 54
5.5.2 圖像融合規(guī)則 54
5.5.3 實驗結果與分析 57
5.5.4 小結 63
參考文獻 63
第6章 基于Tetrolet變換的紅外與可見光圖像融合方法 65
6.1 研究背景 65
6.2 Tetrolet變換 67
6.2.1 Haar小波變換 67
6.2.2 Tetrolet變換與改進 68
6.3 基于Tetrolet變換的紅外與可見光圖像融合方法 71
6.3.1 Tetrolet變換與顏色空間映射 71
6.3.2 方法流程 72
6.3.3 低頻子帶系數(shù)融合 73
6.3.4 高頻子帶系數(shù)融合 74
6.3.5 RGB顏色空間恢復 75
6.3.6 實驗結果與分析 76
6.3.7 小結 79
6.4 多方向SML與Tetrolet變換的圖像融合方法 80
6.4.1 方法框架 80
6.4.2 圖像融合規(guī)則 80
6.4.3 實驗結果與分析 84
6.4.4 小結 88
6.5 基于Tetrolet變換的近紅外與彩色可見光圖像融合方法 88
6.5.1 圖像融合方法 89
6.5.2 CSC顏色校正 94
6.5.3 評價指標 95
6.5.4 實驗結果與分析 97
6.5.5 小結 101
參考文獻 101
第7章 基于 Ripplet變換的紅外與可見光圖像融合方法 104
7.1 研究背景 104
7.2 Ripplet變換 104
7.2.1 連續(xù)Ripplet變換 104
7.2.2 離散Ripplet變換 106
7.3 基于Ripplet變換的紅外與可見光圖像融合方法 107
7.3.1 方法流程 107
7.3.2 圖像融合規(guī)則 108
7.3.3 實驗結果與分析 111
7.4 小結 114
參考文獻 114
第8章 基于NSST變換的紅外與可見光圖像融合方法 116
8.1 基于神經網(wǎng)絡與NSST的紅外與可見光圖像融合方法 116
8.1.1 研究背景 116
8.1.2 NSST變換 117
8.1.3 方法流程 117
8.1.4 低頻子帶融合 118
8.1.5 高頻子帶融合 120
8.1.6 實驗結果與分析 121
8.1.7 小結 127
8.2 基于DLatLRR與VGG Net的紅外與可見光圖像融合方法 127
8.2.1 研究背景 127
8.2.2 潛在低秩表示分解 128
8.2.3 VGG網(wǎng)絡 130
8.2.4 圖像融合 130
8.2.5 實驗結果與分析 136
8.2.6 小結 140
8.3 基于混合模型驅動的紅外與可見光圖像融合方法 140
8.3.1 研究背景 140
8.3.2 方法流程 141
8.3.3 混合圖像分解模型 142
8.3.4 顯著子帶融合 142
8.3.5 基礎子帶融合 144
8.3.6 實驗結果與分析 146
8.3.7 小結152
參考文獻 152
第9章 基于MSTO的含噪聲多傳感器圖像融合方法 156
9.1 研究背景 156
9.2 數(shù)學形態(tài)學分解算子 157
9.2.1 數(shù)學形態(tài)學開關算子 157
9.2.2 亮邊緣和暗邊緣 158
9.3 基于MSTO的含噪聲多傳感器圖像融合方法 159
9.3.1 方法流程 159
9.3.2 Beamlet保邊濾波算子 160
9.3.3 亮邊緣和暗邊緣的融合 160
9.3.4 細節(jié)圖像融合 161
9.3.5 能量圖像融合 161
9.3.6 MSTO逆變換 161
9.4 實驗結果與分析 162
9.5 小結 164
參考文獻 164
第10章 基于Tetrolet變換的彩色水下圖像清晰化方法 166
10.1 研究背景 166
10.2 算法基礎 166
10.2.1 水下圖像退化模型 167
10.2.2 暗原色先驗估計 167
10.3 算法原理 168
10.3.1 方法流程 168
10.3.2 空間映射 169
10.3.3 l亮度通道的清晰化處理 170
10.3.4 lαβ顏色通道色彩校正 172
10.3.5 顏色空間反向映射 172
10.4 實驗結果與分析 173
10.4.1 主觀評價 173
10.4.2 客觀評價 173
10.5 小結 175
參考文獻 175
第11章 基于多尺度幾何變換的圖像去霧方法 177
11.1 基于NSCT變換的霧天圖像清晰化方法 177
11.1.1 研究背景 177
11.1.2 方法流程 177
11.1.3 亮度通道清晰化處理 179
11.1.4 顏色通道拉伸 185
11.1.5 實驗結果與分析 186
11.1.6 小結 188
11.2 基于近紅外與可見光雙通道傳感器信息融合的去霧方法 189
11.2.1 研究背景 189
11.2.2 相關理論 190
11.2.3 基于 NSST的圖像去霧方法流程 192
11.2.4 NSST域融合 193
11.2.5 飽和度通道去霧 196
11.2.6 實驗結果與分析 196
11.2.7 小結 199
參考文獻 199
彩圖