本书面向智能时代下红外线图像与可见光图像融合智能调控的技术需求，循序渐进地介绍了多尺度分割加权融合、比例-积分-微分（proportionalintegralderivative，PID）自动控制融合、源图像协同受控融合以及多尺度协同模糊控制融合四种成像处理算法模型及其运行架构的设计过程。本书通过典型样本案例的实验验证分析，论证四种算法的有效性和实用性，并试图为信息处理领域的科技人员提供概念创新、理论创新和技术创新的方法论参考。
更多科学出版社服务，请扫码获取。
1988.9至1992.6，长春理工大学，电子测量仪器及技术专业，本科生
1992.9至1995.6，长春理工大学，物理电子学与光电子学专业，硕士研究生
1995.9至1997.6，吉林大学，通信与电子系统专业，博士研究生1997.9至1999.6，电子科技大学电子工程学院，博士后，副教授。
1999.6至2006.3，中国工程物理研究院电子工程研究所，所科技委委员。
2006.3至今，西南科技大学信息工程学院，教授，博士生导师，西南科技大学学术委员会委员，电子工程系主任。以第一作者在科学出版社出版专著2部中国电子学会高级会员，国家自然科学基金项目评审专家，四川省和福建省科技厅项目评审专家，教育部学位与研究生教育中心研究生学位论文质量评审专家，《Electronics Letters》、《电子学报》、《华南理工大学学报》等刊物审稿人。
目录
第1章 绪论 1
1.1 图像融合算法 2
1.1.1 基于多尺度变换的图像融合算法 2
1.1.2 基于稀疏/低秩表示的图像融合算法 3
1.1.3 基于脉冲神经网络的图像融合算法 4
1.1.4 基于预训练网络的图像融合算法 5
1.1.5 基于自编码网络的图像融合算法 7
1.1.6 基于端到端的图像融合算法 8
1.1.7 基于Transformer网络的图像融合算法 9
1.2 实验研究基础 10
1.2.1 融合图像质量的评价指标 10
1.2.2 实验样本 11
1.2.3 12种现有算法下典型案例融合结果的评价指标对比 16
第2章 多尺度分割加权融合 25
2.1 问题的提出 25
2.2 研究基础 27
2.2.1 多尺度融合算法 27
2.2.2 案例分析基础 28
2.2.3 均值平移聚类算法 30
2.3 源图像分割处理 34
2.3.1 假基础层图像处理 34
2.3.2 特征层图像处理 34
2.3.3 真基础层图像预融合处理 35
2.4 融合层成像处理 36
2.4.1 融合模型 36
2.4.2 本章融合算法的运行架构 37
2.5 实验验证与分析 38
2.5.1 TNO数据集典型案例分析 38
2.5.2 TNO与MSRS联合数据集实验样本分析 41
2.5.3 INO数据集实验样本分析 43
2.5.4 多尺度分割性能分析 46
2.5.5 预融合权重的性能分析 47
2.5.6 融合权重的性能分析 48
2.6 本章小结 56
第3章 PID自动控制融合 57
3.1 研究基础 57
3.1.1 PID控制的基本原理 57
3.1.2 问题的描述 58
3.2 源图像分割处理 58
3.2.1 基础层图像处理 59
3.2.2 特征层图像处理 64
3.2.3 红外线显著目标层图像处理 65
3.3 融合层成像处理 66
3.3.1 融合模型 66
3.3.2 本章融合算法的运行架构 67
3.3.3 QAB/F计算 68
3.3.4 PID参数设置的仿真实验 71
3.4 实验验证与分析 73
3.4.1 TNO数据集典型案例分析 73
3.4.2 TNO与MSRS联合数据集实验样本的统计分析 77
3.4.3 INO数据集实验样本的统计分析 80
3.4.4 源图像差异补偿 84
3.4.5 不同融合策略下的联合实验分析 86
3.5 本章小结 88
第4章 源图像协同受控融合 89
4.1 问题的提出 89
4.2 源图像协同模型 89
4.2.1 PCNN模型的基本原理 89
4.2.2 DPCNN模型的架构 91
4.2.3 面向图像融合的DDPCNN模型架构 92
4.3 源图像分割处理 94
4.3.1 基于DDPCNN模型的分割处理 94
4.3.2 特征层图像处理 95
4.4 融合层成像处理 95
4.4.1 融合模型 95
4.4.2 本章融合算法的运行架构 96
4.4.3 QAB/F计算 97
4.4.4 DDPCNN模型验证与设置 98
4.4.5 PID参数设置的仿真实验 103
4.5 实验验证与分析 104
4.5.1 TNO数据集典型案例分析 104
4.5.2 TNO与MSRS联合数据集实验样本分析 108
4.5.3 INO数据集实验样本分析 109
4.5.4 源图像分割性能分析 112
4.5.5 源图像差异补偿 113
4.5.6 三种融合算法的性能对比 115
4.6 本章小结 117
第5章 多尺度协同模糊控制融合 118
5.1 最优融合算法的设计需求 118
5.1.1 源图像分割处理 118
5.1.2 融合权重设置中的关键问题 119
5.2 融合层成像处理 123
5.2.1 本章融合算法的运行架构设计 123
5.2.2 融合模型设计 124
5.3 源图像分割处理 124
5.3.1 基于DDPCNN模型的分割处理 124
5.3.2 特征层图像预融合处理 124
5.3.3 基础层图像预融合处理 124
5.4 模糊PID控制器 125
5.4.1 设计基础 125
5.4.2 反馈误差的模糊化处理 125
5.4.3 模糊规则 126
5.4.4 模糊推理 127
5.4.5 控制参数的去模糊化处理 129
5.5 实验验证与分析 129
5.5.1 模糊PID控制器的实验设置 129
5.5.2 TNO数据集典型案例分析 131
5.5.3 TNO与MSRS联合数据集实验样本分析 135
5.5.4 INO数据集实验样本分析 136
5.5.5 MSRS数据集实验样本的统计分析 139
5.6 本章算法的性能分析 143
5.6.1 融合权重 143
5.6.2 控制性能 149
5.6.3 源图像差异补偿 151
5.6.4 三路并行控制 153
5.7 本章小结 154
第6章 总结与展望 155
6.1 总结 155
6.2 展望 160
6.2.1 多尺度协同BP神经网络控制融合算法 160
6.2.2 新型融合算法 162
参考文献 167
书单推荐
