包邮图像融合理论、算法与应用

作者：荣传振

出版社：东南大学出版社出版时间：2023-07-01

开本：其他页数： 150

本类榜单：计算机/网络销量榜

中图价:¥37.0(8.2折) 定价 ~~¥45.0~~ 登录后可看到会员价

加入购物车收藏

开年大促， 全场包邮

?新疆、西藏除外

本类五星书更多>

>
全国计算机等级考试最新真考题库模拟考场及详解·二级MSOffice高级应用

全国计算机等级考试最新真考题库模拟考场及详解·二级MSOffice高级应用

¥14.4¥45
>
决战行测5000题(言语理解与表达)

决战行测5000题(言语理解与表达)

¥44.1¥88
>
软件性能测试.分析与调优实践之路

软件性能测试.分析与调优实践之路

¥56.2¥69
>
第一行代码Android

第一行代码Android

¥55.4¥99
>
JAVA持续交付

JAVA持续交付

¥58.1¥119
>
EXCEL最强教科书(完全版)(全彩印刷)

EXCEL最强教科书(完全版)(全彩印刷)

¥31.1¥69.9
>
深度学习

深度学习

¥92.4¥168

商品详情
商品评论(0条)

中图价:¥37.0 加入购物车

版权信息
内容简介
目录

图像融合理论、算法与应用版权信息

ISBN：9787576601664
条形码：9787576601664 ; 978-7-5766-0166-4
装帧：平装-胶订
册数：暂无
重量：暂无
所属分类：
计算机/网络
>
图形图像多媒体
>
其他

图像融合理论、算法与应用内容简介

图像融合是将来自不同传感器或同一传感器在不同模式下获得的多幅图像融合成一幅图像的技术。和源图像相比，融合图像综合了多幅图像的互补和冗余信息，比任何单一图像更能有效地对场景进行描述，也更加适合进一步的图像处理任务。本书以红外与可见光图像融合为牵引，系统阐述了数字图像处理基础、图像配准、基于多尺度分解的图像融合方法、基于稀疏表示的图像融合方法、基于红外特征提取的图像融合方法以及基于深度卷积神经网络的图像融合方法等。本书既有传统的图像融合方法，又包含作者多年来在图像融合研究领域提出的新方法，是一本理论与实践应用结合紧密的专业教材。本书既可作为高等院校电子信息类、计算机类和自动化类本科生的教材，也可供图像处理领域的广大科技工作者、工程技术人员参考和使用。

图像融合理论、算法与应用目录

第1章图像处理基础 1.1 概述 1.2 数字图像的表示方法 1.2.1 数字图像的结构 1.2.2 图像的矩阵表示 1.3 人眼视觉感知特性 1.4 数字图像处理的研究内容 1.4.1 常用的基本概念 1.4.2 数字图像处理的特点 1.4.3 数字图像处理的研究内容 1.4.4 数字图像处理的技术 1.5 图像文件的常用格式 1.6 图像增强 1.6.1 图像噪声 1.6.2 图像对比度增强 1.6.3 图像平滑 1.6.4 图像锐化 1.7 图像处理系统的组成和应用 1.7.1 图像处理系统的组成 1.7.2 数字图像处理的应用参考文献第2章图像配准方法 2.1 基于灰度信息的图像配准 2.1.1 MAD算法 2.1.2 SAD算法 2.1.3 SSD算法 2.1.4 SSDA 2.2 基于SIFT的图像配准算法研究 2.2.1 SIFT特征点提取 2.2.2 构造SIFT特征描述子 2.2.3 SIFT特征点匹配 2.2.4 剔除误西己 2.2.5 坐标变换与插值 2.2.6 实验结果与分析 2.2.7 SIFT算法应用于多源图像配准中的问题 2.2.8 小结 2.3 基于改进SIFT的红外与可见光图像配准方法研究 2.3.1 图像预处理 2.3.2 基于边缘特征提取与增强的SIFT多源图像配准算法 2.3.3 SIFT算法自身的改进 2.3.4 混合SIFT多源图像配准方法 2.3.5 实验结果与分析 2.3.6 小结参考文献第3章图像融合基础知识 3.1 图像融合概述及国内外研究现状 3.1.1 传统的图像融合方法 3.1.2 基于深度学习的图像融合方法 3.2 图像融合分类 3.3 图像融合质量评价 3.3.1 主观评价 3.3.2 客观评价参考文献第4章基于多尺度分解的红外与可见光图像融合方法 4.1 基于拉普拉斯金字塔的图像融合方法 4.2 基于离散小波变换的图像融合方法 4.2.1 离散小波变换基本原理 4.2.2 基于离散小波变换的图像融合方法 4.3 基于非下采样轮廓波变换的图像融合方法 4.4 基于多尺度混合信息分解的图像融合方法 4.4.1 高斯滤波器和引导滤波器 4.4.2 图像混合信息分解方法 4.4.3 红外与可见光图像融合 4.4.4 实验结果与分析 4.5 基于图像对比度增强的红外与可见光图像融合方法 4.5.1 基于引导滤波器和线性变换的可见光图像增强算法 4.5.2 图像融合方法 4.5.3 非局部均值滤波 4.5.4 实验结果与分析 4.6 基于视觉显著性检测和图像两尺度分解的图像融合方法 4.6.1 红外特征信息提取 4.6.2 基于低通滤波的图像两尺度分解 4.6.3 视觉显著性检测 4.6.4 权重图构造 4.6.5 图像重构 4.6.6 实验结果与分析参考文献第5章基于稀疏表示的图像融合方法 5.1 稀疏表示理论基础 5.2 基于稀疏表示的图像融合方法 5.2.1 图像分块与重构 5.2.2 滑动窗技术 5.2.3 图像融合方法 5.3 稀疏字典的构造 5.3.1 稀疏字典学习原理 5.3.2 稀疏字典学习的实现 5.4 图像多尺度分解与稀疏表示相结合的图像融合方法 5.5 基于卷积稀疏表示的图像融合方法 5.5.1 卷积稀疏表示 5.5.2 卷积字典构建 5.5.3 基于图像两尺度分解及卷积稀疏表示的图像融合方法 5.5.4 实验结果与分析参考文献第6章基于红外目标特征提取的图像融合方法 6.1 红外目标特征提取 6.1.1 基于高斯滤波器的图像分解方法 6.1.2 红外目标特征提取 6.2 分解子信息融合 6.3 实验结果与分析参考文献第7章基于深度卷积神经网络的图像融合方法 7.1 卷积神经网络 7.1.1 卷积神经网络的基本结构 7.1.2 卷积神经网络的训练方式 7.2 基于均值滤波的两尺度图像分解方法 7.2.1 均值滤波 7.2.2 基于均值滤波的两尺度图像分解方法 7.3 图像两尺度分解与CNN相结合的融合方法 7.3.1 低频部分的融合 7.3.2 高频部分的融合 7.3.3 重建图像 7.4 实验结果与分析 7.4.1 实验设置 7.4.2 实验结果及分析参考文献

展开全部

商品评论(0条)

写书评赚书币

暂无评论……

书友推荐