图像融合：理论、技术与应用

　　《图像融合：理论、技术与应用》旨在对图像融合的理论、技术和应用做一个全面的介绍，可以作为高年级本科生、电子工程和计算机科学专业一年级研究生的教材，同时也为那些想了解图像融合概念，并希望在实际生活中加以应用的工程师们提供参考。尽管我们建议读者熟悉图像处理基本知识和线性代数基本工具，但《图像融合：理论、技术与应用》内容体系对初级学习者是完备的，不要求有任何专门的图像融合知识。同时，《图像融合：理论、技术与应用》也可以作为学习高级图像处理技巧的有益参考。在介绍完前两章预备知识之后，《图像融合：理论、技术与应用》主体内容分为三大部分。第壹部分是图像融合的基本概念和理论。该部分尤其强调通用表征格式，细致讨论图像校正、辐射校正和语义等价等方面内容。第二部分详细介绍在实际图像融合中使用的大量技术和算法，如：子空间变换、多分辨率分析、集成学习、bagging算法、boosting算法、颜色空间、图像阈值、马尔科夫随机场、图像相似性测度等。前两个部分可以使读者对图像融合有一个综合、完整的认识。第三部分关注应用，详细阐述实际生活中图像融合运用实例，包括全色锐化、集成彩色图像分割以及Warfield等提出的同时性原理和性能指标估计算法。
　　有关《图像融合：理论、技术与应用》的学习辅助资料可以从网站上获得，其中包括课程指导和Matlab代码案例。

第1章 引言
1．1 增效
1．2 图像融合步骤
1．3 通用表征框图
1．4 图像融合框图
1．5 图像融合算法
1．6 本书结构
1．7 软件
1．8 拓展阅读
参考文献

第2章 图像传感器
2．1 数码相机
2．2 光学系统
2．2．1 透视投影
2．2．2 正射投影
2．3 记录系统
2．3．1 噪声
2．4 采样
2．4．1 量化
2．4．2 拜尔矩阵
2．5 空间分辨率与光谱分辨率
2．5．1 空间分辨率
2．5．2 光谱分辨率
2．6 拓展阅读
参考文献
第一部分理论

第3章 通用表征格式
3．1 引言
3．2 地理信息系统
3．3 通用表征格式的选取
3．3．1 目视融合
3．3．2 稀疏性
3．3．3 目标识别
3．3．4 不确定性
3．4 纹理
3．5 多尺度表征
3．6 子空间方法
3．7 多训练集
3．8 软件
3．9 拓展阅读
参考文献

第4章 空间校正
4．1 引言
4．2 成对变换
4．2．1 薄板样条
4．3 分层配准
4．4 镶嵌图像
4．4．1 拼接
4．5 图像相似性测度
4．6 互信息
4．6．1 归一化互信息
4．6．2 计算
4．6．3 直方图
4．6．4 Parzen窗
4．6．5 等强度线
4．7 部分体插值
4．8 人工效应
4．9 软件
4．10 拓展阅读
参考文献

第5章 语义等价
5．1 引言
5．2 概率尺度
5．2．1 Platt校正
5．2．2 直方图校正
5．2．3 等分校正
5．3 决策标记
5．3．1 分配矩阵
5．3．2 共协矩阵
5．4 软件
5．5 拓展阅读
参考文献

第6章 辐射校正
6．1 引言
6．2 直方图匹配
6．2．1 精确直方图规定化
6．3 中间图像均衡
6．4 匹配二阶统计量
6．5 排序“
6．6 阈值
6．7 分割
6．8 特征图归一化
6．9 概率尺度
6．10 软件
6．11 拓展阅读
参考文献

第7章 像素融合
7．1 引言
7．2 加法融合
7．2．1 鲁棒平均
7．3 减法融合
7．4 乘法融合
7．5 除法融合
7．6 特征图融合
7．7 决策融合
7．7．1 基于形状的平均算法
7．7．2 相似性
7．7．3 标签置换
7．7．4 共协矩阵
7．8 软件
参考文献
第二部分技术

第8章 多分辨率分析
8．1 引言
8．2 离散小波变换
8．3 无抽取离散小波变换
8．4 小波融合
8．5 期望最大算法
8．6 多模小波融合
8．7 全色锐化
8．8 软件
8．9 拓展阅读
参考文献

第9章 图像子空间技术
9．1 引言一
9．2 主分量分析
9．2．1 PCA的演化形式
9．2．2 舀化
9．2．3 二维PCA
9．3 主分量分析融合
9．4 非负矩阵分解
9．5 线性判别分析
9．5．1 Fisher脸
9．5．2 中值LDA
9．5．3 重加权LDA
9．5．4 二维LDA
9．6 最近邻判别分析
9．6．1 K-最近邻判别分析
9．6．2 二维NNDA
9．7 典型相关分析
9．8 软件
9．9 拓展阅读
参考文献

第10章 集成学习
10．1 集成学习方法
10．2 多样性测度
10．3 多重图像变换Ik
10．3．1 多重子空间变换
10．3．2 多重随机卷积
10．3．3 多重正则化
10．3．4 多重颜色空间
10．3．5 多重阈值
10．3．6 多重分割
10．4 重采样方法
10．5 图像融合
10．6 集成阈值
10．7 集成空间采样
10．8 集成图谱分割
10．9 集成最近邻分类
10．10 拓展阅读
10．11 软件
参考文献

第11章 重采样方法
11．1 引言
11．2 自助法
11．3 基于自助聚集算法的人脸识别
11．4 自助聚集式最近邻分类器
11．5 自助聚集式K-均值聚类
11．6 提升法
11．7 Viola-Jones算法
11．8 基于提升的目标检测算法
11．9 软件
11．10 拓展阅读
参考文献

第12章 图像阈值法
12．1 全局阈值
12．2 统计型算法
12．2．1 Ridler-Calvard方法
12．2．2 0tsu方法
12．2．3 Kittler-Illingworth方法
12．2．4 Kapur方法
12．2．5 Tsai方法
12．3 局部阈值
12．4 软件
12．5 拓展阅读
参考文献

第13章 图像关键点
13．1 尺度不变特征变换算法
13．1．1 多光谱图像
13．2 快速鲁棒特征算法
13．3 复小波变换
13．4 软件
参考文献

第14章 图像相似性测度
14．1 引言
14．2 无空间校正的全局相似性测度
14．2．1 概率相似性测度
14．2．2 X2距离测度
14．2．3 直方图单元交叉对应距离测度
14．3 有空间校正的全局相似性测度
14．3．1 均方误差和均方绝对误差
14．3．2 互相关系数
14．3．3 互信息
14．3．4 有序全局相似性测度
14．4 局部相似性测度
14．4．1 Bhat-Nayar距离测度
14．4．2 Mittal-Ramesh有序测度
14．5 二值图像相似性测度
14．5．1 Hausdorff度量
14．6 软件
14．7 拓展阅读
参考文献

第15章 渐晕，白平衡和自动增益控制效应
15．1 引言
15．2 渐晕
15．2．1 渐晕校正
15．3 辐射响应函数
15．3．1 自动增益控制
15．4 白平衡
15．5 集成白平衡
参考文献

第16章 彩色图像空间
16．1 引言
16．2 感知型颜色模型
16．2．1 IHS
16．2．2 HSV
16．2．3 HLS
16．2．4 IHLS
16．2．5 间接IHS
16．2．6 圆形统计
16．3 多重颜色空间
16．4 软件
16．5 拓展阅读
参考文献

第17章 马尔可夫场
17．1 马尔可夫随机场
17．2 能量函数
17．3 算法
17．4 拓展阅读
参考文献

第18章 图像质量
18．1 引言
18．2 有参图像质量评价指标
18．3 无参图像质量评价指标
18．4 分析
18．5 软件
18．6 拓展阅读
参考文献
第三部分应用

第19章 全色锐化
19．1 引言
19．2 IHS空间全色锐化
19．3 光谱失真
19．3．1 Choi全色锐化算法
19．3．2 Tu全色锐化算法
19．4 IKONOS卫星
19．5 小波
19．6 传感器光谱响应
参考文献

第20章 集成彩色图像分割
20．1 引言
20．2 图像集成
20．3 K-均值分割
20．4 K-均值融合算子
参考文献

第21章 同时性原理和性能指标估计
21．1 引言
21．2 期望最大算法
21．3 同时性原理和性能指标估计
参考文献

第22章 生物认证技术
22．1 引言
22．2 多模态生物认证
22．2．1 指纹
22．2．2 签名
22．2．3 面部
22．2．4 虹膜和视网膜
22．2．5 步态生物特征
22．2．6 其他生物特征
22．3 多生物特征
22．3．1 多传感器系统
22．3．2 多算法系统
22．3．3 多实例系统
22．3．4 多样本系统
22．4 结语
参考文献

　　撰写本书的目的是对图像融合的理论、技术和应用做一贴近实用的介绍。本书可以作为本科大四第1学期或相关专业一年级研究生的教材。同样为那些想了解图像融合概念和应用的工程师们提供参考。同时，本书也可以作为研究生高级图像处理课程的补充知识。
　　本书也是对本人之前在多传感器融合工作方面的补充，只集中讨论图像融合的理论、技术和应用。我希望本书围绕图像融合这一个主题，内容对读者来说是完备的，尽管其他先前的计算机视觉和图像处理书籍也可以作为有益参考。
　　本书首先对图像融合基础概念进行了介绍（前两章），而后主体内容分为三大部分。第1部分是图像融合的基本概念和理论，尤其强调了一般表征架构，细致讨论了图像校正、辐射校正和语义等价等方面内容。第二部分详细介绍了在实际图像融合中使用的大量技术和算法，如子空间变换、多分辨率分析、集成学习、Bagging算法、Boosting算法、颜色空间、图像阈值、马尔可夫随机场、图像相似性测度等。前两个部分内容可以使读者对图像融合有一个综合完整的认识。第三部分关注应用，总结了很多实际图像融合的案例，目的是阐述图像融合理论和技术是如何在实际场景中应用的。
　　与其他工程领域的分支一样，图像融合也是一门被应用所驱动的实用技术。因此，对于读者来说，应该能够对本书中介绍的不同技术进行实验。使用Matlab进行程序编写是非常方便的。因此，本书包含了Matlab代码案例，同时给出网络第三方代码资源。
　　本书内容基于我前几年在图像融合方面进行的研讨和授课。特别是，本文结构和内容也来自本人在以色列内盖夫的本古里安大学所讲授的图像融合研究生课程。能够获得讲授本课程的机会，我也特别感谢Mayer Aladjem教授和Dan Sadot教授。同时感谢我妻子和孩子在本书写作过程中的支持和耐心。