消息 首页 搜索 举报
  • 基于多尺度分析与人工神经网络的多源图像融合
21年品牌 40万+商家 超1.5亿件商品

基于多尺度分析与人工神经网络的多源图像融合

全新正版 假一赔十 可开发票

￥ 96.94 7.0折 ￥ 138 全新

库存4件

北京海淀
认证卖家担保交易快速发货售后保障

作者金鑫

出版社科学出版社

ISBN9787030778819

出版时间2024-05

装帧平装

开本其他

定价138元

货号1203279758

上书时间2024-07-02

轻阅书店

三年老店
已实名 已认证 进店 收藏店铺
  • 最新上架

   商品详情   

品相描述：全新
商品描述
目录
目录
“博士后文库”序言
前言
第1章 绪论1
1.1 多源图像融合技术的研究背景1
1.2 多源图像融合技术的发展阶段3
1.3 多源图像融合技术的分类4
1.4 多源图像融合中常用的性能评价方法5
参考文献8
第2章 多源图像融合技术分类与应用12
2.1 多源图像融合技术分类12
2.1.1 空间域图像融合方法12
2.1.2 变换域图像融合方法13
2.1.3 基于压缩感知和稀疏表示的图像融合方法17
2.1.4 基于深度学习的图像融合方法19
2.1.5 其他的图像融合方法22
2.2 多源图像融合技术的应用24
2.2.1 多聚焦图像融合24
2.2.2 医学图像融合25
2.2.3 遥感图像融合25
2.2.4 红外与可见光图像融合26
2.2.5 图像融合技术在其他领域的应用27
参考文献28
第3章 基于静态小波与离散余弦变换的红外与可见光图像融合37
3.1 概况37
3.2 离散静态小波与离散余弦变换理论38
3.2.1 离散静态小波算法38
3.2.2 离散余弦变换算法40
3.3 变换域红外与可见光图像融合方案41
3.3.1DCT系数的局部空间频率41
3.3.2 融合规则41
3.4 图像融合算法步骤与参数设置42
3.5 实验与分析43
3.6 小结49
参考文献50
第4章 基于经验小波分析的医学图像融合53
4.1 概况53
4.2LITTLEWOOD-PALEY经验小波分解54
4.3 基于经验小波分析的医学图像特征提取与融合方案58
4.3.1 基于二范数的残余分量特征表示与融合58
4.3.2 固有模态分量的特征表示与融合60
4.3.3 滤波器的整合62
4.3.4 融合步骤63
4.4 实验与分析64
4.5 小结73
参考文献73
第5章 基于非下采样剪切波与简化脉冲耦合神经网络的医学图像融合76
5.1 概况76
5.2 相关理论模型78
5.2.1 非下采样的剪切波变换78
5.2.2PCNN模型介绍79
5.2.3 彩色空间83
5.3 三模态医学图像融合方案84
5.3.1 低频子图像融合84
5.3.2 高频子图像融合86
5.3.3 融合步骤及时间复杂度分析88
5.4 实验与分析89
5.4.1 评估指标90
5.4.2 实验结果与分析90
5.5 小结98
参考文献99
第6章 基于拉普拉斯金字塔与脉冲耦合神经网络的多聚焦图像融合102
6.1 概况102
6.2 图像的拉普拉斯金塔分解104
6.2.1 高斯金字塔分解104
6.2.2 拉普拉斯金塔分解104
6.2.3 拉普拉斯金字塔图像重构105
6.3 灰度多聚焦图像融合方案106
6.3.1 基于PCNN的图像特征提取106
6.3.2 基于PCNN输出的图像局部特征强化108
6.3.3 融合决策与优化109
6.3.4 彩色图像融合方案111
6.3.5 融合步骤111
6.4 实验与分析112
6.4.1 灰度图像融合实验与分析113
6.4.2 彩色图像融合实验与分析116
6.5 小结120
参考文献120
第7章 结合密集跳层与多尺度卷积的无监督多聚焦图像融合123
7.1 概况123
7.2 无监督彩色多聚焦图像融合模型124
7.2.1 方法概述124
7.2.2MCRD-Net结构125
7.2.3 损失函数127
7.2.4 融合策略128
7.2.5 模型训练策略129
7.3 实验分析129
7.3.1 实验设置129
7.3.2 消融实验130
7.3.3 主观分析131
7.3.4 客观分析135
7.4 小结137
参考文献138
第8章 基于非下采样剪切波变换域子带系数统计的彩色图像融合方法140
8.1 概况140
8.2 相关理论介绍141
8.3 基于子带系数统计的彩色图像融合方法142
8.3.1 彩色空间转换特征图像143
8.3.2 投票规则143
8.3.3 融合规则145
8.3.4 融合步骤146
8.4 实验和分析146
8.5 小结152
参考文献153
第9章 基于深度迁移学习的彩色多聚焦图像融合155
9.1 概况155
9.2 相关技术原理156
9.2.1 迁移学习156
9.2.2 VGG-19网络模型157
9.3 基于迁移学习的多聚焦图像融合模型结构158
9.3.1 总体流程与模型架构158
9.3.2 特征提取模块网络架构与迁移学习实现159
9.3.3 特征重构模块网络架构160
9.3.4 桥接模块161
9.3.5 跳层连接结构161
9.3.6 损失函数162
9.4 后处理和融合策略162
9.5 实验结果与分析164
9.5.1 数据集的制作164
9.5.2 相关参数设置165
9.5.3 评价指标与实验结果分析165
9.6 小结172
参考文献173
第10章 基于双判别器生成对抗网络的多聚焦图像融合方法175
10.1 概况175
10.2 相关技术原理178
10.2.1 深度相似性学习178
10.2.2GAN及其衍生技术178
10.3 基于生成对抗网络的多聚焦图像融合模型结构与目标函数179
10.3.1 网络结构181
10.3.2 目标函数184
10.4 实验与讨论186
10.4.1 数据集、训练详情与评价指标186
10.4.2 现有方法比较188
10.4.3 消融实验192
10.5 小结193
参考文献193
第11章 F-UNet++:基于多用途自适应感受野注意力机制和复合多输入重构网络的遥感图像融合196
11.1 概况196
11.2 注意力机制原理197
11.3 基于条件生成对抗网络的遥感图像融合模型结构198
11.3.1 总体结构198
11.3.2 特征提取模块199
11.3.3 特征融合模块201
11.3.4 CMI-UNet++图像重建模块202
11.3.5 注意力机制模块203
11.3.6 损失函数与训练细节205
11.4 实验结果与分析206
11.4.1 对比实验结果与分析209
11.4.2 消融实验结果与分析211
11.5 小结219
参考文献219
第12章 基于条件生成对抗网络的半监督遥感图像融合222
12.1 概况222
12.2 生成对抗网络相关理论223
12.2.1 生成对抗网络223
12.2.2 条件生成对抗网络224
12.3 基于条件生成对抗网络的遥感图像融合模型结构224
12.3.1 总体结构224
12.3.2 生成器的网络结构225
12.3.3 判别器的网络结构225
12.3.4 双胞胎结构与跳层连接方式226
12.3.5 损失函数设计226
12.4 实验结果与分析228
12.4.1 数据集、模型参数与评价指标228
12.4.2 网络跳层结构的实验验证228
12.4.3 损失函数和彩色空间的实验验证230
12.4.4 与现有方法的实验对比232
12.5 小结237
参考文献237
缩略词表240
编后记243

内容摘要
图像融合技术可将多源图像的互补特征进行综合，以得到更加完整和准确的场景描述，从而弥补单一传感器单幅图像的不足，是一种广泛应用的图像预处理技术，如多摄像头拍照、微光夜视、医学诊断、遥感等应用领域。本书以多源图像融合技术为主要内容，在研究图像尺度分析、迁移学习、深度学习算法与模型的基础上，针对多聚焦图像融合、多模态医学图像融合、红外与可见光图像、遥感图像融合等方面开展了深入研究，分别提出了具有针对性的融合方法，同时将一些新的技术和新方法引入到图像融合领域。

   相关推荐   

—  没有更多了  —

店铺评价
消息 首页 搜索

以下为对购买帮助不大的评价

此功能需要访问孔网APP才能使用
暂时不用
打开孔网APP