數字圖像融合算法分析與應用

本書全面介紹了數字圖像融合的基本概念和一些常見算法，便於讀者瞭解和學習數字圖像融合領域的一些前沿知識，以適應現代信息技術的發展。書中對不同傳感器獲得的數字圖像進行了分類，並對不同類型的數字圖像分別介紹了不同的圖像融合算法，可以給讀者提供有效的幫助和指導。
本書分為8章，主要內容包括圖像融合簡介、基於小波和輪廓波的多聚焦圖像融合、基於剪切波和Smoothlet的多聚焦圖像融合、紅外與可見光圖像融合、醫學圖像融合、基於仿生算法的醫學圖像融合、遙感圖像融合等，最後簡要介紹了數字圖像融合的發展趨勢。
本書適合電腦視覺、衛星遙感和醫學圖像等相關領域的研究人員、工程技術人員和算法愛好者閱讀，同時也適合各大院校電子信息專業的本科生、研究生和教師作為教材或教學參考書使用。

30秒瞭解本書精華內容
基於小波的多聚焦圖像融合算法
基於輪廓波的多聚焦圖像融合算法
結合輪廓波變換與核範數最小化理論的多聚焦圖像融合算法
基於剪切波的多聚焦圖像融合算法
基於NSST-FRFT的多聚焦圖像融合算法
基於NSST域的自適應區域與脈沖發放皮層模型的多聚焦圖像融合算法
基於Smoothlet的圖像融合
基於灰度共生矩陣的多聚焦圖像融合
基於NSST域自適應PCNN的紅外與可見光圖像融合算法
基於NSST域模糊邏輯紅外與可見光圖像融合算法
基於SCM和CST的紅外與可見光圖像融合算法
基於復剪切波域結合向導濾波與模糊邏輯的紅外與可見光圖像融合
基於NSST和高斯混合模型的醫學彩色圖像融合
基於非下採樣復小波變換的醫學圖像融合
基於NSST變換和Smoothlet的醫學圖像融合
Shearlet變換和稀疏表示相結合的甲狀腺圖像融合
基於加權核範數最小化的醫學圖像融合算法
基於改進拉普拉斯能量的醫學圖像融合
基於改進PCNN的非下採樣剪切波域醫學圖像融合
人工魚群算法優化的小波域圖像融合
結合Shearlet變換和果蠅優化算法的甲狀腺圖像融合
傳統的高分辨率遙融圖像融合方法及比較
基於復剪切波域的遙感圖像融合算法
數字圖像融合發展趨勢

劉帥奇河北大學副教授、碩士生導師。
畢業於北京交通大學信息所，研究方向為多維信號處理。
主持國家自然科學基金1項、河北省自然科學基金1項、河北省教育廳項目1項。
已發表和錄用論文30多篇，其中包括10篇SCI檢索期刊論文和10篇EI檢索期刊論文。
參與圖像處理相關項目10餘個，具有豐富的圖像去噪和圖像融合研究經驗。
參與編寫並出版了《MATLAB程序設計基礎與應用》一書。

鄭偉河北大學教授、碩士生導師。
畢業於哈爾濱理工大學測試計量技術及儀器專業。
長期從事醫學圖像融合算法的研究，並從事通信工程專業的一線教學，具有豐富的數字圖像處理經驗。
發表各類論文20餘篇，主持和參與各類項目10餘項。

趙杰河北大學教授、博士生導師、電子信息工程學院院長。
畢業於河北工業大學電機與電器專業，研究方向為計算機視覺與圖像處理。
曾公派赴澳大利亞維多利亞大學做訪問學者。
有豐富的數字圖像處理研究經驗，貢獻了一批具有重大影響力的成果。
曾獲河北省科技進步二等獎1項，三等獎1項，保定市科技進步一等獎2項，第六屆河北省高等教育教學成果二等獎1項，2012年河北大學教學成果三等獎1項。
主持和參與各類項目10餘項。

胡紹海北京交通大學教授、博士生導師、信息科學研究所副所長、教工黨支部書記和物聯網工程專業建設責任教授。
畢業於北京交通大學信息所，研究領域包括信號檢測與處理、人工神經網絡、圖像處理、物聯網技術及應用等。
近10年來主持和參與973、國家自然科學基金、紅果園等40餘個科研項目。
發表學術論文100餘篇，EI和ISTP檢索論文50餘篇。合作發表專著1部。
曾獲部級科技進步三等獎1項，北京市高等學校青年骨干教師稱號，計算機基礎系列課程*教學團隊成員，信息所“數字媒體信息處理”教育部創新團隊成員。

前言
第1章 圖像融合簡介 1
1.1 研究背景及意義 1
1.2 國內外研究現狀 1
1.3 圖像融合基礎知識 3
1.3.1 圖像融合層次 3
1.3.2 傳統圖像融合算法 4
1.3.3 圖像融合存在的問題 6
1.4 圖像融合評價標準 7
1.4.1 主觀評價標準 7
1.4.2 客觀評價標準 8
第2章 基於小波和輪廓波的多聚焦圖像融合 12
2.1 多聚焦圖像特點 12
2.2 基於小波的多聚焦圖像融合算法 14
2.2.1 小波變換 14
2.2.2 小波域多聚焦圖像融合算法 23
2.2.3 基於小波的多聚焦圖像融合實驗結果分析 26
2.3 基於輪廓波的多聚焦圖像融合算法 26
2.3.1 輪廓波變換 27
2.3.2 復輪廓波變換 28
2.3.3 向導濾波 31
2.3.4 基於輪廓波變換圖像融合算法 33
2.3.5 實驗結果分析 35
2.4 結合輪廓波變換與核範數最小化理論的多聚焦圖像融合算法 44
2.4.1 核範數最小化理論 45
2.4.2 圖像融合算法 46
2.4.3 實驗結果與分析 48
2.5 本章小結 54
第3章 基於剪切波和Smoothlet的多聚焦圖像融合 55
3.1 剪切波變換基礎知識 55
3.1.1 剪切波變換 55
3.1.2 離散剪切波變換 57
3.1.3 非下採樣剪切波變換 61
3.2 基於剪切波的多聚焦圖像融合算法 61
3.2.1 基於剪切波變換的圖像融合框架 61
3.2.2 基於剪切波變換的圖像融合規則 62
3.2.3 實驗結果對比與分析 65
3.3 基於NSST-FRFT的多聚焦圖像融合算法 72
3.3.1 NSST-FRFT原理 72
3.3.2 NSST-FRFT圖像融合框架 73
3.3.3 圖像融合規則 73
3.3.4 實驗結果對比與分析 75
3.4 基於NSST域的自適應區域與脈沖發放皮層模型的多聚焦圖像融合算法 83
3.4.1 共享相似性和自適應區域 83
3.4.2 脈沖發放皮層模型 84
3.4.3 基於自適應區域、EOE和SCM的圖像融合 85
3.4.4 實驗結果分析 87
3.5 基於Smoothlet的圖像融合算法 91
3.5.1 Smoothlet變換及依賴變換理論介紹 92
3.5.2 基於NSCT和Smoothlet的圖像融合 97
3.5.3 模擬實驗和結果分析 99
3.6 基於灰度共生矩陣的多聚焦圖像融合算法 101
3.6.1 圖像的灰度共生矩陣 101
3.6.2 融合框架 102
3.6.3 實驗結果 104
3.7 本章小結 110
第4章 紅外與可見光圖像融合 111
4.1 紅外與可見光圖像特點 111
4.2 基於NSST域自適應PCNN的紅外與可見光圖像融合算法 112
4.2.1 區域提取 112
4.2.2 脈沖耦合神經網絡（PCNN） 113
4.2.3 圖像融合框架 114
4.2.4 圖像融合規則 115
4.2.5 實驗結果對比與分析 116
4.3 基於NSST域模糊邏輯的紅外與可見光圖像融合算法 119
4.3.1 圖像融合框架 120
4.3.2 圖像融合規則 121
4.3.3 實驗結果對比與分析 122
4.4 基於SCM和CST的紅外與可見光圖像融合算法 126
4.4.1 圖像融合框架 127
4.4.2 圖像融合規則 128
4.4.3 模擬驗證 130
4.5 基於復剪切波域結合向導濾波與模糊邏輯的紅外與可見光圖像融合算法 133
4.5.1 融合規則 133
4.5.2 模擬驗證 134
4.6 本章小結 137
第5章 醫學圖像融合 138
5.1 醫學圖像特點 138
5.2 基於NSST和高斯混合模型的醫學彩色圖像融合算法 140
5.2.1 HIS模型 140
5.2.2 高斯混合模型 142
5.2.3 圖像融合框架 143
5.2.4 圖像融合規則 144
5.2.5 實驗結果對比與分析 146
5.3 基於非下採樣復小波變換的醫學圖像融合算法 149
5.3.1 非下採樣復小波變換的基本理論 150
5.3.2 圖像融合步驟 152
5.3.3 實驗結果與分析 153
5.4 基於NSST變換和Smoothlet的醫學圖像融合算法 157
5.4.1 圖像融合框架 157
5.4.2 融合規則 159
5.4.3 模擬實驗和結果分析 160
5.5 Shearlet變換和稀疏表示相結合的甲狀腺圖像融合算法 161
5.5.1 圖像的稀疏表示 162
5.5.2 圖像融合算法 164
5.5.3 實驗結果與分析 166
5.6 基於加權核範數最小化的醫學圖像融合算法 170
5.6.1 加權核範數最小化理論 171
5.6.2 圖像自相似性 172
5.6.3 融合框架 173
5.6.4 實驗結果分析 175
5.7 基於改進拉普拉斯能量的醫學圖像融合算法 179
5.7.1 改進的拉普拉斯能量和 180
5.7.2 融合算法 182
5.7.3 實驗結果與分析 182
5.8 基於改進PCNN的非下採樣剪切波域醫學圖像融合算法 188
5.8.1 稀疏編碼與字典設計方法 188
5.8.2 基於稀疏表示的低頻圖像融合 192
5.8.3 滑動窗口尺寸對融合結果的影響 195
5.8.4 滑動步長對融合結果的影響 196
5.8.5 基於改進PCNN的高頻醫學圖像融合 197
5.8.6 不同的PCNN輸入項對融合結果的影響 199
5.8.7 不同的PCNN鏈接強度對融合結果的影響 200
5.8.8 整體融合算法 202
5.8.9 實驗結果與分析 203
5.9 本章小結 212
第6章 基於仿生算法的醫學圖像融合 213
6.1 仿生優化算法概述 214
6.1.1 粒子群算法 214
6.1.2 蟻群算法 215
6.1.3 人工魚群算法 216
6.2 基於人工魚群算法優化的小波域圖像融合算法 218
6.2.1 融合規則與具體算法步驟 218
6.2.2 實驗結果分析 221
6.3 結合Shearlet變換和果蠅優化算法的甲狀腺圖像融合算法 226
6.3.1 融合規則 227
6.3.2 實驗結果分析 229
6.4 本章小結 233
第7章 遙感圖像融合 234
7.1 傳統的高分辨率遙感圖像融合算法及比較 234
7.1.1 4種傳統融合算法的原理和分析 234
7.1.2 算法應用和比較 236
7.2 基於復剪切波域的遙感圖像融合算法 238
7.2.1 復剪切波 239
7.2.2 融合規則 241
7.2.3 實驗結果與分析 243
7.3 本章小結 252
第8章 數字圖像融合發展趨勢 253
8.1 數字圖像融合發展及應用 253
8.2 數字圖像融合研究的展望 255
參考文獻 256