圖像融合-理論、演算法與應用 榮傳振 賈永興 9787576601664 【台灣高等教育出版社】
圖書均為代購，正常情形下，訂後約兩周可抵台。
物品所在地：中國大陸
原出版社：東南大學
物品所在地：中國大陸
原出版社：東南大學
NT$286
商品編號:
供貨狀況:
尚有庫存
加入最愛
此商品 「 最高 」可以折抵紅利
0
點
(約等於 NT$0 )
商品介紹
| *完成訂單後正常情形下約兩周可抵台。 *本賣場提供之資訊僅供參考，以到貨標的為正確資訊。 印行年月：202303*若逾兩年請先於私訊洽詢存貨情況，謝謝。 台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。 書名：圖像融合-理論、演算法與應用 ISBN：9787576601664 出版社：東南大學 著編譯者：榮傳振 賈永興 頁數：150 所在地：中國大陸 *此為代購商品 書號：1560999 可大量預訂，請先連絡。 內容簡介 圖像融合是將來自不同感測器或同一感測器在不同模式下獲得的多幅圖像融合成一幅圖像的技術。和源圖像相比，融合圖像綜合了多幅圖像的互補和冗餘信息，比任何單一圖像更能有效地對場景進行描述，也更加適合進一步的圖像處理任務。本書以紅外與可見光圖像融合為牽引，系統闡述了數字圖像處理基礎、圖像配准、基於多尺度分解的圖像融合方法、基於稀疏表示的圖像融合方法、基於紅外特徵提取的圖像融合方法以及基於深度卷積神經網路的圖像融合方法等。本書既有傳統的圖像融合方法，又包含作者多年來在圖像融合研究領域提出的新方法，是一本理論與實踐應用結合緊密的專業教材。 本書既可作為高等院校電子信息類、計算機類和自動化類本科生的教材，也可供圖像處理領域的廣大科技工作者、工程技術人員參考和使用。目錄 第1章 圖像處理基礎1 1 概述 1 2 數字圖像的表示方法 1 2 1 數字圖像的結構 1 2 2 圖像的矩陣表示 1 3 人眼視覺感知特性 1 4 數字圖像處理的研究內容 1 4 1 常用的基本概念 1 4 2 數字圖像處理的特點 1 4 3 數字圖像處理的研究內容 1 4 4 數字圖像處理的技術 1 5 圖像文件的常用格式 1 6 圖像增強 1 6 1 圖像雜訊 1 6 2 圖像對比度增強 1 6 3 圖像平滑 1 6 4 圖像銳化 1 7 圖像處理系統的組成和應用 1 7 1 圖像處理系統的組成 1 7 2 數字圖像處理的應用 參考文獻 第2章 圖像配准方法 2 1 基於灰度信息的圖像配准 2 1 1 MAD演算法 2 1 2 SAD演算法 2 1 3 SSD演算法 2 1 4 SSDA 2 2 基於SIFT的圖像配准演算法研究 2 2 1 SIFT特徵點提取 2 2 2 構造SIFT特徵描述子 2 2 3 SIFT特徵點匹配 2 2 4 剔除誤西己 2 2 5 坐標變換與插值 2 2 6 實驗結果與分析 2 2 7 SIFT演算法應用於多源圖像配准中的問題 2 2 8 小結 2 3 基於改進SIFT的紅外與可見光圖像配准方法研究 2 3 1 圖像預處理 2 3 2 基於邊緣特徵提取與增強的SIFT多源圖像配准演算法 2 3 3 SIFT演算法自身的改進 2 3 4 混合SIFT多源圖像配准方法 2 3 5 實驗結果與分析 2 3 6 小結 參考文獻 第3章 圖像融合基礎知識 3 1 圖像融合概述及國內外研究現狀 3 1 1 傳統的圖像融合方法 3 1 2 基於深度學習的圖像融合方法 3 2 圖像融合分類 3 3 圖像融合質量評價 3 3 1 主觀評價 3 3 2 客觀評價 參考文獻 第4章 基於多尺度分解的紅外與可見光圖像融合方法 4 1 基於拉普拉斯金字塔的圖像融合方法 4 2 基於離散小波變換的圖像融合方法 4 2 1 離散小波變換基本原理 4 2 2 基於離散小波變換的圖像融合方法 4 3 基於非下採樣輪廓波變換的圖像融合方法 4 4 基於多尺度混合信息分解的圖像融合方法 4 4 1 高斯濾波器和引導濾波器 4 4 2 圖像混合信息分解方法 4 4 3 紅外與可見光圖像融合 4 4 4 實驗結果與分析 4 5 基於圖像對比度增強的紅外與可見光圖像融合方法 4 5 1 基於引導濾波器和線性變換的可見光圖像增強演算法 4 5 2 圖像融合方法 4 5 3 非局部均值濾波 4 5 4 實驗結果與分析 4 6 基於視覺顯著性檢測和圖像兩尺度分解的圖像融合方法 4 6 1 紅外特徵信息提取 4 6 2 基於低通濾波的圖像兩尺度分解 4 6 3 視覺顯著性檢測 4 6 4 權重圖構造 4 6 5 圖像重構 4 6 6 實驗結果與分析 參考文獻 第5章 基於稀疏表示的圖像融合方法 5 1 稀疏表示理論基礎 5 2 基於稀疏表示的圖像融合方法 5 2 1 圖像分塊與重構 5 2 2 滑動窗技術 5 2 3 圖像融合方法 5 3 稀疏字典的構造 5 3 1 稀疏字典學習原理 5 3 2 稀疏字典學習的實現 5 4 圖像多尺度分解與稀疏表示相結合的圖像融合方法 5 5 基於卷積稀疏表示的圖像融合方法 5 5 1 卷積稀疏表示 5 5 2 卷積字典構建 5 5 3 基於圖像兩尺度分解及卷積稀疏表示的圖像融合方法 5 5 4 實驗結果與分析 參考文獻 第6章 基於紅外目標特徵提取的圖像融合方法 6 1 紅外目標特徵提取 6 1 1 基於高斯濾波器的圖像分解方法 6 1 2 紅外目標特徵提取 6 2 分解子信息融合 6 3 實驗結果與分析 參考文獻 第7章 基於深度卷積神經網路的圖像融合方法 7 1 卷積神經網路 7 1 1 卷積神經網路的基本結構 7 1 2 卷積神經網路的訓練方式 7 2 基於均值濾波的兩尺度圖像分解方法 7 2 1 均值濾波 7 2 2 基於均值濾波的兩尺度圖像分解方法 7 3 圖像兩尺度分解與CNN相結合的融合方法 7 3 1 低頻部分的融合 7 3 2 高頻部分的融合 7 3 3 重建圖像 7 4 實驗結果與分析 7 4 1 實驗設置 7 4 2 實驗結果及分析 參考文獻 詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於PChome商店街私訊告知ISBN或書號，我們即儘速上架。 |
