多聚焦图像像素级融合算法研究
正版新书 新华官方库房直发 可开电子发票
￥ 48.96 7.2折 ￥ 68 全新
库存4件
作者张永新 著
出版社科学出版社
ISBN9787030534941
出版时间2017-06
版次1
装帧平装
开本B5
纸张胶版纸
页数149页
字数140千字
定价68元
货号SC:9787030534941
上书时间2024-12-23
商品详情
- 品相描述：全新
- 全新正版 提供发票
- 商品描述
-
作者简介:
张永新，男，1980年，河南洛阳人，博士，副教授，河南省高校科技创新人才，河南省智慧旅游产业技术创新联盟负责人。主讲《数据结构》《算法设计与分析》《软件测试》等课程。主持同家自然科学基金青年科学基金项目1项，河南省科技攻关项目2项，参与政府问靠前科技创新合作重点专项1项、省部级项目4项，获得授权同家发明专利2项，软件著作权2项。三年来发表论文14篇，其中scI检索论文5篇，EI检索论文9篇。为Signal Processing，Neuro Computing，Optik和JOSA等国 际SCI期刊审稿人。
内容简介:
本书针对现有多聚焦图像像素级融合方法存在的不足，在空间域内对多聚焦图像像素级融合算法进行了深入研究，主要内容包括基于RPCA与PCNN的多聚焦图像融合算法、基于RPCA与四叉树分解的多聚焦图像融合算法、基于图像分解的多聚焦图像多成分融合算法、基于NMF与聚焦区域检测的多聚焦图像融合算法等。本书内容丰富、新颖，是一本值得学习研究的著作，可供相关人员参考使用。
摘要:
**章 绪论
1.1 研究的背景和意义
随着电子技术、计算机技术和大规模集成电路技术的快速发展，传感器技术不断提高，并被广泛应用于军事和民用领域［1］。多个传感器协同工作大大增加了采集到的信息种类和数量，导致传统的单一传感器信息处理方法难以适用大数据处理［2，3］。多传感器信息融合正是针对单一传感器的信息处理问题发展起来的一种新的信息处理方法。该方法利用系统中多个传感器在空间和时间上的冗余互补进行多方面、多层次、多级别的综合处理，以获取更为丰富、准确和可靠的有效信息［4］。
多传感器图像融合（简称图像融合）是信息融合范畴内以图像信息为研究对象的研究领域，它是传感器、图像处理、信号处理、计算机和人工智能等多学科融合的交叉研究领域［5］。其基本原理是把来自不同类型传感器或来自同一传感器在不同时间或不同方式下所获取的某个场景的多幅图像进行配准，采用某种算法对其进行融合，得到一幅新的关于此场景的更为丰富、准确和可靠的图像，服了单一传感器图像在分辨率、几何以及光谱等方面的差异性和局限性，能更好地对事件或物理现象进行识别、理解和定位。1979年，Daily等首先把雷达图像和Landsat.MSS图像的复合图像应用于地质解释，其处理过程可以看作是*简单的图像融合。20世纪80年代初，图像融合技术被应用于遥感多光谱图像的分析与处理；20世纪80年代末，图像融合技术开始被应用于可见光图像、红外图像等一般图像处理。20世纪90年代以后，图像融合技术广泛应用于遥感图像处理、可见光图像处理、红外图像处理以及医学图像处理。但是在应用过程中，由于聚焦范围有限，光学传感器成像系统无法对场景中的所有物体都清晰成像。当物体位于成像系统的焦点上时，它在像平面上的成像是清晰的，而同一场景内，其他位置上的物体在像平面上的成像是模糊的［6，7］。虽然光学镜头成像技术的快速发展提高了成像系统的分辨率，却无法消除聚焦范围局限性对整体成像效果的影响，使得同一场景内的所有物体难以同时在像平面上清晰成像，不利于图像的准确分析和理解［6］。另外，分析相当数量的相似图像既浪费时间又浪费精力［7］，也会造成存储空间上的浪费。如何能够得到一幅同一场景中所有物体都清晰的图像，使其更加全面、真实的反映场景信息对于图像的准确分析和理解具有重要意义。
多聚焦图像融合作为多源图像融合的一个重要分支，是解决成像系统聚焦范围局限性问题的有效方法［8］。该方法主要用于同一光学传感器在相同成像条件下获取的聚焦目标不同的多幅图像的融合处理，对经过配准的关于某场景的不同物体的多幅聚焦图像，采用某种融合算法分别提取这些多聚焦图像的清晰区域，将其合成为一幅该场景中所有物体都清晰的融合图像［911］。多聚焦图像融合
...
目录:
前言
第1章 绪论 1
1.1 研究的背景和意义 1
1.2 多聚焦图像融合的层次划分 3
1.3 多聚焦图像像素级融合算法 5
1.3.1 空间域多聚焦图像融合算法 6
1.3.2 变换域多聚焦图像融合算法 12
1.4 多聚焦图像融合质量评价 16
1.4.1 融合图像质量主观评价 17
1.4.2 融合图像质量客观评价 18
1.5 本书主要研究内容 21
1.6 本书的结构安排 22
第2章 基于RPCA与PCNN的多聚焦图像融合算法 24
2.1 引言 24
2.2 RPCA分解模型 26
2.2.1 RPCA基本原理 27
2.2.2 RPCA图像分解模型 29
2.3 PCNN模型 32
2.3.1 PCNN神经元模型 32
2.3.2 PCNN图像处理模型 36
2.4 基于RPCA与PCNN的多聚焦图像融合 38
2.4.1 算法原理 38
2.4.2 融合规则 39
2.5 实验结果与分析 41
2.5.1 实验参数设置 42
2.5.2 实验结果 42
2.
...
— 没有更多了 —
以下为对购买帮助不大的评价