目錄
“博士后文庫”序言
前言
第1章 緒論1
1.1 多源圖像融合技術(shù)的研究背景1
1.2 多源圖像融合技術(shù)的發(fā)展階段3
1.3 多源圖像融合技術(shù)的分類4
1.4 多源圖像融合中常用的性能評價方法5
參考文獻8
第2章 多源圖像融合技術(shù)分類與應(yīng)用12
2.1 多源圖像融合技術(shù)分類12
2.1.1 空間域圖像融合方法12
2.1.2 變換域圖像融合方法13
2.1.3 基于壓縮感知和稀疏表示的圖像融合方法17
2.1.4 基于深度學(xué)習(xí)的圖像融合方法19
2.1.5 其他的圖像融合方法22
2.2 多源圖像融合技術(shù)的應(yīng)用24
2.2.1 多聚焦圖像融合24
2.2.2 醫(yī)學(xué)圖像融合25
2.2.3 遙感圖像融合25
2.2.4 紅外與可見光圖像融合26
2.2.5 圖像融合技術(shù)在其他領(lǐng)域的應(yīng)用27
參考文獻28
第3章 基于靜態(tài)小波與離散余弦變換的紅外與可見光圖像融合37
3.1 概況37
3.2 離散靜態(tài)小波與離散余弦變換理論38
3.2.1 離散靜態(tài)小波算法38
3.2.2 離散余弦變換算法40
3.3 變換域紅外與可見光圖像融合方案41
3.3.1DCT系數(shù)的局部空間頻率41
3.3.2 融合規(guī)則41
3.4 圖像融合算法步驟與參數(shù)設(shè)置42
3.5 實驗與分析43
3.6 小結(jié)49
參考文獻50
第4章 基于經(jīng)驗小波分析的醫(yī)學(xué)圖像融合53
4.1 概況53
4.2LITTLEWOOD-PALEY經(jīng)驗小波分解54
4.3 基于經(jīng)驗小波分析的醫(yī)學(xué)圖像特征提取與融合方案58
4.3.1 基于二范數(shù)的殘余分量特征表示與融合58
4.3.2 固有模態(tài)分量的特征表示與融合60
4.3.3 濾波器的整合62
4.3.4 融合步驟63
4.4 實驗與分析64
4.5 小結(jié)73
參考文獻73
第5章 基于非下采樣剪切波與簡化脈沖耦合神經(jīng)網(wǎng)絡(luò)的醫(yī)學(xué)圖像融合76
5.1 概況76
5.2 相關(guān)理論模型78
5.2.1 非下采樣的剪切波變換78
5.2.2PCNN模型介紹79
5.2.3 彩色空間83
5.3 三模態(tài)醫(yī)學(xué)圖像融合方案84
5.3.1 低頻子圖像融合84
5.3.2 高頻子圖像融合86
5.3.3 融合步驟及時間復(fù)雜度分析88
5.4 實驗與分析89
5.4.1 評估指標90
5.4.2 實驗結(jié)果與分析90
5.5 小結(jié)98
參考文獻99
第6章 基于拉普拉斯金字塔與脈沖耦合神經(jīng)網(wǎng)絡(luò)的多聚焦圖像融合102
6.1 概況102
6.2 圖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 拉普拉斯金字塔圖像重構(gòu)105
6.3 灰度多聚焦圖像融合方案106
6.3.1 基于PCNN的圖像特征提取106
6.3.2 基于PCNN輸出的圖像局部特征強化108
6.3.3 融合決策與優(yōu)化109
6.3.4 彩色圖像融合方案111
6.3.5 融合步驟111
6.4 實驗與分析112
6.4.1 灰度圖像融合實驗與分析113
6.4.2 彩色圖像融合實驗與分析116
6.5 小結(jié)120
參考文獻120
第7章 結(jié)合密集跳層與多尺度卷積的無監(jiān)督多聚焦圖像融合123
7.1 概況123
7.2 無監(jiān)督彩色多聚焦圖像融合模型124
7.2.1 方法概述124
7.2.2MCRD-Net結(jié)構(gòu)125
7.2.3 損失函數(shù)127
7.2.4 融合策略128
7.2.5 模型訓(xùn)練策略129
7.3 實驗分析129
7.3.1 實驗設(shè)置129
7.3.2 消融實驗130
7.3.3 主觀分析131
7.3.4 客觀分析135
7.4 小結(jié)137
參考文獻138
第8章 基于非下采樣剪切波變換域子帶系數(shù)統(tǒng)計的彩色圖像融合方法140
8.1 概況140
8.2 相關(guān)理論介紹141
8.3 基于子帶系數(shù)統(tǒng)計的彩色圖像融合方法142
8.3.1 彩色空間轉(zhuǎn)換特征圖像143
8.3.2 投票規(guī)則143
8.3.3 融合規(guī)則145
8.3.4 融合步驟146
8.4 實驗和分析146
8.5 小結(jié)152
參考文獻153
第9章 基于深度遷移學(xué)習(xí)的彩色多聚焦圖像融合155
9.1 概況155
9.2 相關(guān)技術(shù)原理156
9.2.1 遷移學(xué)習(xí)156
9.2.2 VGG-19網(wǎng)絡(luò)模型157
9.3 基于遷移學(xué)習(xí)的多聚焦圖像融合模型結(jié)構(gòu)158
9.3.1 總體流程與模型架構(gòu)158
9.3.2 特征提取模塊網(wǎng)絡(luò)架構(gòu)與遷移學(xué)習(xí)實現(xiàn)159
9.3.3 特征重構(gòu)模塊網(wǎng)絡(luò)架構(gòu)160
9.3.4 橋接模塊161
9.3.5 跳層連接結(jié)構(gòu)161
9.3.6 損失函數(shù)162
9.4 后處理和融合策略162
9.5 實驗結(jié)果與分析164
9.5.1 數(shù)據(jù)集的制作164
9.5.2 相關(guān)參數(shù)設(shè)置165
9.5.3 評價指標與實驗結(jié)果分析165
9.6 小結(jié)172
參考文獻173
第10章 基于雙判別器生成對抗網(wǎng)絡(luò)的多聚焦圖像融合方法175
10.1 概況175
10.2 相關(guān)技術(shù)原理178
10.2.1 深度相似性學(xué)習(xí)178
10.2.2GAN及其衍生技術(shù)178
10.3 基于生成對抗網(wǎng)絡(luò)的多聚焦圖像融合模型結(jié)構(gòu)與目標函數(shù)179
10.3.1 網(wǎng)絡(luò)結(jié)構(gòu)181
10.3.2 目標函數(shù)184
10.4 實驗與討論186
10.4.1 數(shù)據(jù)集、訓(xùn)練詳情與評價指標186
10.4.2 現(xiàn)有方法比較188
10.4.3 消融實驗192
10.5 小結(jié)193
參考文獻193
第11章 F-UNet++:基于多用途自適應(yīng)感受野注意力機制和復(fù)合多輸入重構(gòu)網(wǎng)絡(luò)的遙感圖像融合196
11.1 概況196
11.2 注意力機制原理197
11.3 基于條件生成對抗網(wǎng)絡(luò)的遙感圖像融合模型結(jié)構(gòu)198
11.3.1 總體結(jié)構(gòu)198
11.3.2 特征提取模塊199
11.3.3 特征融合模塊201
11.3.4 CMI-UNet++圖像重建模塊202
11.3.5 注意力機制模塊203
11.3.6 損失函數(shù)與訓(xùn)練細節(jié)205
11.4 實驗結(jié)果與分析206
11.4.1 對比實驗結(jié)果與分析209
11.4.2 消融實驗結(jié)果與分析211
11.5 小結(jié)219
參考文獻219
第12章 基于條件生成對抗網(wǎng)絡(luò)的半監(jiān)督遙感圖像融合222
12.1 概況222
12.2 生成對抗網(wǎng)絡(luò)相關(guān)理論223
12.2.1 生成對抗網(wǎng)絡(luò)223
12.2.2 條件生成對抗網(wǎng)絡(luò)224
12.3 基于條件生成對抗網(wǎng)絡(luò)的遙感圖像融合模型結(jié)構(gòu)224
12.3.1 總體結(jié)構(gòu)224
12.3.2 生成器的網(wǎng)絡(luò)結(jié)構(gòu)225
12.3.3 判別器的網(wǎng)絡(luò)結(jié)構(gòu)225
12.3.4 雙胞胎結(jié)構(gòu)與跳層連接方式226
12.3.5 損失函數(shù)設(shè)計226
12.4 實驗結(jié)果與分析228
12.4.1 數(shù)據(jù)集、模型參數(shù)與評價指標228
12.4.2 網(wǎng)絡(luò)跳層結(jié)構(gòu)的實驗驗證228
12.4.3 損失函數(shù)和彩色空間的實驗驗證230
12.4.4 與現(xiàn)有方法的實驗對比232
12.5 小結(jié)237
參考文獻237
縮略詞表240
編后記243