本书针对现有多聚焦图像像素级融合方法存在的不足，在空间域内对多聚焦图像像素级融合算法进行了深入研究，主要内容包括基于RPCA与PCNN的多聚焦图像融合算法、基于RPCA与四叉树分解的多聚焦图像融合算法、基于图像分解的多聚焦图像多成分融合算法、基于NMF与聚焦区域检测的多聚焦图像融合算法等。
更多科学出版社服务，请扫码获取。
目录
前言
第1章 绪论 1
1.1 研究的背景和意义 1
1.2 多聚焦图像融合的层次划分 3
1.3 多聚焦图像像素级融合算法 5
1.3.1 空间域多聚焦图像融合算法 6
1.3.2 变换域多聚焦图像融合算法 12
1.4 多聚焦图像融合质量评价 16
1.4.1 融合图像质量主观评价 17
1.4.2 融合图像质量客观评价 18
1.5 本书主要研究内容 21
1.6 本书的结构安排 22
第2章 基于RPCA与PCNN的多聚焦图像融合算法 24
2.1 引言 24
2.2 RPCA分解模型 26
2.2.1 RPCA基本原理 27
2.2.2 RPCA图像分解模型 29
2.3 PCNN模型 32
2.3.1 PCNN神经元模型 32
2.3.2 PCNN图像处理模型 36
2.4 基于RPCA与PCNN的多聚焦图像融合 38
2.4.1 算法原理 38
2.4.2 融合规则 39
2.5 实验结果与分析 41
2.5.1 实验参数设置 42
2.5.2 实验结果 42
2.5.3 实验结果主观评价 47
2.5.4 实验结果客观评价 48
2.6 本章小结 49
第3章 基于RPCA与四叉树分解的多聚焦图像融合算法 50
3.1 引言 50
3.2 四叉树分解模型 52
3.2.1 图像区域分割与合并 52
3.2.2 区域一致性标准 54
3.2.3 四叉树分解基本原理 57
3.2.4 基于RPCA的四叉树分解模型 59
3.3 基于RPCA与四叉树分解的多聚焦图像融合 61
3.3.1 算法原理 61
3.3.2 融合规则 63
3.4 实验结果与分析 65
3.4.1 实验参数设置 65
3.4.2 实验结果 66
3.4.3 实验结果主观评价 70
3.4.4 实验结果客观评价 71
3.5 本章小结 72
第4章 基于图像分解的多聚焦图像多成分融合算法 74
4.1 引言 74
4.2 图像分解基本模型 76
4.2.1 ROF模型 77
4.2.2 VO模型 78
4.2.3 OSV模型 79
4.3 Split Bregman算法 80
4.3.1 Bregman迭代算法 80
4.3.2 Split Bregman算法 82
4.4 基于图像分解的多聚焦图像多成分融合 85
4.4.1 算法原理 85
4.4.2 融合规则 86
4.5 实验结果与分析 90
4.5.1 实验参数设置 90
4.5.2 实验结果 90
4.5.3 实验结果主观评价 94
4.5.4 实验结果客观评价 95
4.6 本章小结 96
第5章 基于NMF与聚焦区域检测的多聚焦图像融合算法 98
5.1 引言 98
5.2 NMF模型 100
5.2.1 NMF基本原理 101
5.2.2 NMF图像融合模型 102
5.3 聚焦区域检测 105
5.3.1 聚焦评价函数 106
5.3.2 基于差异图像特征的聚焦特性评价 108
5.4 基于NMF与聚焦区域检测的多聚焦图像融合 111
5.4.1 算法原理 111
5.4.2 融合规则 113
5.5 实验结果与分析 115
5.5.1 实验参数设置 115
5.5.2 实验结果 116
5.5.3 实验结果主观评价 120
5.5.4 实验结果客观评价 121
5.6 本书算法分析 122
5.6.1 本书算法主观评价 126
5.6.2 本书算法客观评价 126
5.7 本章小结 127
第6章 总结与展望 128
6.1 本书工作总结 128
6.2 本书创新之处 129
6.3 研究展望 131
参考文献 131
书单推荐
