绪论
0.1 多传感器图像信息处理系统
0.2 图像多分辨分析工具
0.3 其它图像变换工具
0.4 本书的主要内容
第1章 常用成像传感器简介
1.1 CCD彩色摄像机
1.2 X光CCD图像传感器
1.3 红外CCD图像传感器
1.4 CMOS图像传感器
1.5 遥感多光谱成像
1.6 基于SPOT的遥感成像
1.7 Landsat卫星成像
1.8 毫米波成像传感器
1.9 微波成像传感器
1.10 磁成像传感器
1.11 同位素成像传感器
1.12 XCT成像传感器
1.13 微光图像传感器
1.14 声成像传感器
1.15 车用图像传感器
1.16 过程层析成像传感器
本章参考文献
第2章 图像匹配理论
2.1 图像匹配概述
2.1.1 图像匹配的定义
2.1.2 匹配方法的分类
2.2 图像匹配的一般流程
2.3 图像匹配的关键要素
2.4 基于图像灰度的匹配方法
2.5 基于图像特征的匹配方法
2.6 本章小结
本章参考文献
第3章 经典匹配算法的对比分析及改进
3.1 基于图像像素灰度值的匹配算法
3.1.1 ABS算法
3.1.2 归一化互相关匹配算法
3.1.3 图像矩匹配方法
3.2 基于图像特征点的匹配算法
3.3 图像匹配的改进方法
3.3.1 粗匹配
3.3.2 精确匹配
3.4 本章小结
本章参考文献
第4章 图像复合匹配算法
4.1 频域匹配算法
4.1.1 Fourier变换理论
4.1.2 基于FourierMellin变换的图像配准算法
4.2 图像边缘特征提取
4.2.1 边缘检测
4.2.2 Canny边缘算子
4.3 基于边缘特征和频域相关的复合匹配算法
4.3.1 大边缘提取
4.3.2 建立边缘方向曲线及其相对链码
4.3.3 相位相关计算
4.3.4 复合匹配算法的实现
4.4 实验仿真
4.5 本章小结
本章参考文献
第5章 可见光与毫米波图像匹配算法
5.1 可见光和毫米波简介
5.2 毫米波图像的预处理过程
5.2.1 非线性外推算法的基本原理
5.2.2 自适应阈值二值化
5.2.3 图像形态学滤波
5.3 可见光和毫米波图像匹配
5.4 本章小结
本章参考文献
第6章 图像融合的基本概念
6.1 图像融合的定义
6.2 图像融合系统的一般结构
6.3 数据层变换域图像融合的信息模型
6.4 常用数据层图像融合方法
6.5 图像融合性能评价方法
6.6 图像融合系统中常用传感器及其特点
6.7 图像融合技术的应用
6.8 现有图像融合方法分析
6.9 本章小结
本章参考文献
第7章 用于图像融合的数学变换理论
7.1 正交分解与投影定理
7.2 小波变换与非平稳信号分析
7.2.1 小波变换的定义
7.2.2 多分辨分析与正交小波基
7.2.3 二维小波变换及其快速算法
7.2.4 小波变换的工程意义
7.2.5 常用的几种小波基函数
7.3 小波包理论及算法
7.4 多小波变换理论
7.4.1 连续多小波变换的定义
7.4.2 多小波的性质
7.4.3 多元多分辨分析(MRAr)
7.4.4 多小波的分解与重构算法
7.4.5 离散多小波变换的工程实现
7.5 RGBIHS变换
7.6 PCA变换(主成分分析)
7.7 Brovey变换
7.8 本章小结
本章参考文献
第8章 多聚焦可见光图像融合方法
8.1 光学成像系统特性
8.2 多聚焦可见光图像的获取
8.3 多聚焦可见光图像融合的意义
8.4 多聚焦可见光图像融合信息模型
8.5 基于小波变换的多聚焦可见光图像融合
8.6 基于小波包变换的多聚焦可见光图像融合
8.7 基于多小波变换的多聚焦可见光图像融合
8.8 融合结果评价及结论
8.9 本章小结
本章参考文献
第9章 医学图像融合方法
9.1 CT成像机理及信息含义
9.2 NMR成像机理及信息含义
9.3 CT与NMR图像融合的意义
9.4 CT与NMR 图像融合的信息模型
9.5 基于小波变换的CT与NMR 图像融合
9.6 基于小波包变换的CT与NMR图像融合
9.7 基于多小波变换的CT与NMR图像融合
9.8 CT与NMR图像的其它融合方法
9.9 融合结果评价及结论
9.10 本章小结
本章参考文献
第10章 遥感图像融合方法
10.1 遥感基础
10.2 常用遥感平台
10.3 遥感传感器及其图像特征
10.4 遥感图像融合的可能性及意义
10.5 基于多分辨分析的遥感图像融合信息模型
10.6 基于小波变换的全光谱与多光谱图像融合
10.7 基于多小波变换的全光谱与多光谱图像融合
10.8 基于IHS变换的全光谱与多光谱图像融合
10.9 基于主成分变换(PCA)的全光谱与多光谱图像融合
10.10 基于Brovey 变换的全光谱与多光谱图像融合
10.11 融合结果评价及结论
10.12 本章小结
本章参考文献
第11章 基于小波变换和形态学的图像融合方法
11.1 数学形态学
11.1.1 膨胀
11.1.2 腐蚀
11.1.3 膨胀和腐蚀的对偶性
11.1.4 开启和闭合
11.2 传统像素级图像融合框架
11.2.1 小波图像融合方法框架
11.2.2 活动水平测量
11.2.3 系数分组方法
11.2.4 系数合并方法
11.2.5 一致性验证
11.3 基于小波变换和数学形态学的图像融合方法
11.3.1 可见光图像的频域成分特性
11.3.2 可见光多聚焦图像融合方法
11.3.3 图像融合实验
11.4 本章小结
本章参考文献
第12章 危险物品检测中的图像融合方法
12.1 危险物品的检测
12.1.1 红外成像与毫米波成像
12.1.2 危险物品检测系统
12.2 脊波变换与曲波变换的基本理论
12.2.1 脊波与曲波的产生
12.2.2 脊波和曲波与小波的联系及区别
12.2.3 脊波分析的基本理论
12.2.4 单尺度脊波变换
12.2.5 曲波变换
12.3 基于曲波变换的图像融合方法
12.3.1 图像的曲波变换
12.3.2 基于曲波变换的图像融合过程
12.3.3 曲波系数融合规则
12.3.4 基于曲波变换的图像融合实验
12.4 本章小结
本章参考文献
第13章 JPEG 2000压缩域图像融合方法
13.1 压缩图像文件格式
13.1.1 图像压缩的基本概念
13.1.2 JPEG图像格式
13.1.3 JPEG 2000图像格式
13.2 JPEG 2000压缩域图像处理
13.2.1 图像的压缩域处理
13.2.2 JPEG 2000图像结构概述
13.2.3 压缩域图像融合初步研究
13.3 本章小结
本章参考文献
第14章 基于多传感器探测的危险物品检测
14.1 危险物品检测、 识别分类及定位实现方案
14.2 危险物品图像预处理
14.2.1 毫米波成像图像的特点
14.2.2 图像去噪
14.2.3 图像增强
14.2.4 图像分割
14.3 本章小结
本章参考文献
第15章 危险物品的特征提取
15.1 图像特征提取的基本概念
15.2 常用的图像特征提取方法
15.2.1 纹理特征提取
15.2.2 形状和结构特征提取
15.3 危险物品轮廓矩不变量的特征提取
15.3.1 图像的边缘提取
15.3.2 轮廓矩不变量特征算法
15.3.3 图像轮廓矩不变量特征提取的结果与分析
15.4 本章小结
本章参考文献
第16章 危险物品识别分类与定位
16.1 模式分类技术
16.1.1 模式分类基础知识
16.1.2 统计模式分类方法
16.1.3 模式分类的新方法
16.2 BP神经网络在危险物品识别分类中的应用
16.2.1 BP神经网络模型
16.2.2 BP网络学习算法
16.2.3 实验结果与分析
16.3 模糊C均值聚类在危险物品识别分类中的应用
16.3.1 模糊C均值聚类(FCM)算法
16.3.2 模糊聚类应用于目标识别及实验结果分析
16.4 危险物品定位
16.4.1 危险物品定位精度
16.4.2 影响定位精度的几个因素
16.5 本章小结
本章参考文献
第17章 图像融合技术研究的新进展
17.1 融合前多源图像信号的筛选
17.2 多源图像信号的匹配
17.3 图像融合方法研究
17.4 图像融合算法质量评价
17.5 基于DSP的图像融合处理
本章参考文献
缺书网
扫码进群