数字图像融合

第1章绪论
1.1什么是图像融合
1.2图像融合的主要研究内容
1.2.1像素级图像融合
1.2.2特征级图像融合
1.2.3决策级图像融合
1.3图像融合的步骤
1.4图像融合研究的发展现状和研究热点
第2章主成分分析法
2.1数字图像处理的基本概念
2.1.1数字图像
2.1.2RGB-IHS变换模式
2.21HS变换图像融合
2.2.1普通的IHS图像融合(GIHS)
2.2.2一种改进的IHS图像融合方法
2.2.3弹性图像融合介绍
2.3一种子像素图像融合的金字塔算法
2.3.1定义
2.3.2优化
2.3.3插值
2.3.4多分辨
2.3.5装箱(Binning)
第3章演化计算法
3.1演化计算的概念
3.1.1遗传算法
3.1.2粒子群算法
3.1.3蚁群算法
3.2基于演化计算的像素级融合
3.2.1基于进化策略和IHS变换的图像融合方法
3.2.2基于粒子群算法的像素级图像融合
第4章神经网络法
4.1神经网络的概念
4.1.1BP网络
4.1.2SOM网络
4.1.3SGNN网络
4.2基于神经网络的像素级融合
4.2.1噪音图像的预处理
4.2.2选择合适的神经网络及拓扑结构
4.2.3神经网络训练
4.2.4噪声图像融合
4.3基于神经网络的特征级融合
4.3.1基于神经网络的图像边缘检测
4.3.2基于神经网络的图像特征提取
4.4图像目标自动识别
4.4.1基于神经网络的数字图像目标自动识别
4.4.2在静态图像上的应用
4.4.3时间相关性的融合
第5章小波变换法
5.1一般方法
5.1.1图像的二维小波分解(Mallat方法)
5.1.2图像融合的小波方法
5.1.3融合结果评价指标
5.1.4实例
5.2基于树状小波的图像融合
5.2.1树状小波分解
5.2.2基于树状小波分解的图像融合方法
6.2.1图像的预处理
6.2.2像素时聚类
6.2.3聚类结果的模糊化
6.2.4融合方法
6.2.5融合实验及其结果
6.3特征级模糊图像融合方法
6.3.1线性特征的自动探测
6.3.2对结果进行多时间融合
6.4依赖时／空范围信息和频谱信息的模糊融合
6.4.1问题形成
6.4.2信息源
6.4.3模糊化步骤
6.4.4模糊推理规则和解模糊
6.4.5向K个日期延伸
6.5多传感器图像模糊融合算法在图像识别中的应用
6.5.1图像模糊融合的基本原理
6.5.2多传感器多层次图像融合模糊算法应用于图像识别
第7章图像融合应用
7.1军事应用中的图像融合
7.1.1MQW图像融合方法
7.1.2算法
7.1.3以人的角度进行的评估和建模
7.1.4数据收集
7.2面向遥感应用的图像融合的原理与方法
7.2.1遥感图像的融合框架
7.2.2遥感图像融合的实例
7.3医学图像融合应用
7.3.1案例研究
7.3.2结论要点
参考文献