《基於信息融合的圖像理解方法研究》是合肥工業大學出版社出版的圖書，作者是胡良梅 。
基本介紹
- 書名：基於信息融合的圖像理解方法研究
- 作者：胡良梅
- ISBN：9787810936811
- 出版社：合肥工業大學出版社
基本信息,內容簡介,目錄,
基本信息
作 者：胡良梅 著 叢 書 名：斛兵博士文叢 出 版 社：合肥工業大學出版社ISBN：9787810936811 出版時間：2007-10-01 版 次：1 頁 數：143 裝 幀：平裝 開 本：16開 所屬分類：圖書 > 計算機與網際網路 > 圖形圖像/視頻
內容簡介
圖像理解的根本任務就是要正確解釋所感知的圖像場景。圖像數據本身存在含糊性，圖像理解中的信息獲取、知識表述以及目標識別等都存在信息的不確定問題。而信息融合技術研究多源信息的加工和協同利用，形成多形式信息互補，獲得對同一事物或目標更客觀、更本質的認識。採用信息融合的智慧型信息處理技術可以有效解決圖像理解中的不確定性問題，是一種新穎的研究思路，具有深遠的理論意義和廣闊的套用前景。
論文主要工作如下：
（1）通過分析圖像理解中的信息獲取、數據和知識表述方法及目標識別問題的研究現狀和存在問題，討論了研究基於信息融合的圖像理解方法的有效性。
（2）從圖像數據融合的角度研究基於像素層融合的圖像信息獲取方法。比較了常用的像素層圖像融合算法，分析了融合圖像的質量評價問題，提出了一種新的融合圖像質量評價標準，並提出了一種新的夜視圖像彩色化融合算法，實驗結果表明該算法的有效性。
（3）將D-S證據理論等不確定性處理的方法引入到特徵層融合，研究其在圖像理解中知識表述方面的套用，分析了D-S證據理論中的關鍵問題和解決途徑，提出了基於D-S證據理論的融合圖像分割及融合邊緣提取的新方法，得到了較好的圖像分割及邊緣提取結果。
（4）研究基於決策層融合的多分類器目標識別，針對圖像理解中的多類目標識別問題，提出了一種基於D-S證據理論的多特徵的層次識別方法，討論了D-S證據理論與模糊集合方法的聯繫，並套用於生物特徵認證和交通標誌識別中。
目錄
第一章 緒論 第16-22 頁
· 研究背景 第16-18 頁
· 圖像理解的層次結構 第16-17 頁
· 圖像理解中知識的表示與推理 第17-18 頁
· 研究內容 第18-20 頁
· 圖像理解中的難點問題 第18-19 頁
· 基於信息融合的圖像理解 第19-20 頁
· 論文主要工作及章節安排 第20-22 頁
第二章 圖像理解概述及其主要問題 第22-32 頁
· 圖像理解概述 第22-24 頁
· 圖像理解的研究內容 第24-31 頁
· 圖像理解中的信息獲取 第24-25 頁
· 圖像理解中的表示方法 第25-29 頁
· 圖像理解中的目標識別 第29-31 頁
· 本章小結 第31-32 頁
第三章 信息融合理論 第32-54 頁
· 信息融合定義和基本原理 第33-35 頁
· 信息融合的定義 第33-35 頁
· 信息融合的基本原理 第35 頁
· 信息融合模型 第35-39 頁
· JDL模型 第36-38 頁
· 簡單功能模型 第38-39 頁
· 信息融合的體系結構 第39-43 頁
· 集中式融合 第40-41 頁
· 分散式融合 第41-42 頁
· 混合式融合 第42-43 頁
· 信息融合的層次結構 第43-46 頁
· 數據層融合 第43 頁
· 特徵層融合 第43-45 頁
· 決策層融合 第45-46 頁
· 三種層次結構之間的比較 第46 頁
· 信息融合算法 第46-50 頁
· 物理模型類識別算法 第47 頁
· 基於特徵的推理技術 第47-49 頁
· 認知模型類識別算法 第49-50 頁
· 信息融合的研究現狀和發展趨勢 第50-53 頁
· 信息融合的研究現狀 第50-52 頁
· 信息融合的發展趨勢 第52-53 頁
· 本章小結 第53-54 頁
第四章 基於信息融合的圖像信息獲取方法 第54-76 頁
· 圖像融合概述 第54-59 頁
· 圖像融合定義 第54-56 頁
· 圖像融合的套用領域 第56-58 頁
· 圖像融合研究進展和發展方向 第58-59 頁
· 像素層圖像融合算法 第59-64 頁
· 像素級加權平均法 第60-61 頁
· 多解析度方法之金字塔分解 第61-63 頁
· 多解析度方法之小波變換方法 第63-64 頁
· 圖像融合的評價標準 第64-70 頁
· 圖像融合質量的主觀評價方法 第65 頁
· 圖像融合質量的客觀評價方法 第65-67 頁
· 結合主觀和客觀因素的圖像融合質量評價方法 第67-68 頁
· 實驗結果 第68-70 頁
· 色彩融合 第70-75 頁
· 色彩融合概述 第70-71 頁
· 基於空間變換的色彩融合 第71-75 頁
· 本章小結 第75-76 頁
第五章 基於D-S證據理論的融合特徵提取方法 第76-92 頁
· D-S證據理論的概念及其主要問題 第77-83 頁
· D-S證據理論中的基本概念 第77-80 頁
· D-S證據理論的特點和存在問題 第80-83 頁
· 基於融合的圖像分割 第83-86 頁
· 圖像的模糊聚類分割 第83-84 頁
· 叢於模糊隸屬度的基本機率賦值 第84-85 頁
· 基於D-S證據理論的圖像融合分割 第85-86 頁
· 基於融合的邊緣提取 第86-91 頁
· ANOVA邊緣檢測方法 第87-89 頁
· 基於ANOVA方法的D-S證據理論融合算法 第89-90 頁
· 實驗結果及其分析 第90-91 頁
· 本章小結 第91-92 頁
第六章 基於決策層融合的目標識別方法 第92-110 頁
· 目標識別中不確定信息的處理 第92-97 頁
· 圖像理解系統中不確定信息的處理 第92-93 頁
· 目標識別中的信息融合技術 第93-94 頁
· 基於數據的不確定性處理方法 第94-97 頁
· 一種基於D-S證據理論的多類目標的層次識別方法 第97-105 頁
· D-S證據理論與數據相似度的聯繫 第97-100 頁
· 基於D-S證據理論的多類目標的層次識別方法 第100-102 頁
· 實驗結果及分析 第102-105 頁
· 基於決策層融合的目標識別方法 第105-109 頁
· 決策層融合在生物特徵識別中的套用 第106-108 頁
· 決策層融合在形狀識別中的套用 第108-109 頁
· 本章小結 第109-110 頁
第七章 總結和展望 第110-112 頁
· 總結 第110 頁
· 展望 第110-112 頁
參考文獻 第112-118 頁
· 研究背景 第16-18 頁
· 圖像理解的層次結構 第16-17 頁
· 圖像理解中知識的表示與推理 第17-18 頁
· 研究內容 第18-20 頁
· 圖像理解中的難點問題 第18-19 頁
· 基於信息融合的圖像理解 第19-20 頁
· 論文主要工作及章節安排 第20-22 頁
第二章 圖像理解概述及其主要問題 第22-32 頁
· 圖像理解概述 第22-24 頁
· 圖像理解的研究內容 第24-31 頁
· 圖像理解中的信息獲取 第24-25 頁
· 圖像理解中的表示方法 第25-29 頁
· 圖像理解中的目標識別 第29-31 頁
· 本章小結 第31-32 頁
第三章 信息融合理論 第32-54 頁
· 信息融合定義和基本原理 第33-35 頁
· 信息融合的定義 第33-35 頁
· 信息融合的基本原理 第35 頁
· 信息融合模型 第35-39 頁
· JDL模型 第36-38 頁
· 簡單功能模型 第38-39 頁
· 信息融合的體系結構 第39-43 頁
· 集中式融合 第40-41 頁
· 分散式融合 第41-42 頁
· 混合式融合 第42-43 頁
· 信息融合的層次結構 第43-46 頁
· 數據層融合 第43 頁
· 特徵層融合 第43-45 頁
· 決策層融合 第45-46 頁
· 三種層次結構之間的比較 第46 頁
· 信息融合算法 第46-50 頁
· 物理模型類識別算法 第47 頁
· 基於特徵的推理技術 第47-49 頁
· 認知模型類識別算法 第49-50 頁
· 信息融合的研究現狀和發展趨勢 第50-53 頁
· 信息融合的研究現狀 第50-52 頁
· 信息融合的發展趨勢 第52-53 頁
· 本章小結 第53-54 頁
第四章 基於信息融合的圖像信息獲取方法 第54-76 頁
· 圖像融合概述 第54-59 頁
· 圖像融合定義 第54-56 頁
· 圖像融合的套用領域 第56-58 頁
· 圖像融合研究進展和發展方向 第58-59 頁
· 像素層圖像融合算法 第59-64 頁
· 像素級加權平均法 第60-61 頁
· 多解析度方法之金字塔分解 第61-63 頁
· 多解析度方法之小波變換方法 第63-64 頁
· 圖像融合的評價標準 第64-70 頁
· 圖像融合質量的主觀評價方法 第65 頁
· 圖像融合質量的客觀評價方法 第65-67 頁
· 結合主觀和客觀因素的圖像融合質量評價方法 第67-68 頁
· 實驗結果 第68-70 頁
· 色彩融合 第70-75 頁
· 色彩融合概述 第70-71 頁
· 基於空間變換的色彩融合 第71-75 頁
· 本章小結 第75-76 頁
第五章 基於D-S證據理論的融合特徵提取方法 第76-92 頁
· D-S證據理論的概念及其主要問題 第77-83 頁
· D-S證據理論中的基本概念 第77-80 頁
· D-S證據理論的特點和存在問題 第80-83 頁
· 基於融合的圖像分割 第83-86 頁
· 圖像的模糊聚類分割 第83-84 頁
· 叢於模糊隸屬度的基本機率賦值 第84-85 頁
· 基於D-S證據理論的圖像融合分割 第85-86 頁
· 基於融合的邊緣提取 第86-91 頁
· ANOVA邊緣檢測方法 第87-89 頁
· 基於ANOVA方法的D-S證據理論融合算法 第89-90 頁
· 實驗結果及其分析 第90-91 頁
· 本章小結 第91-92 頁
第六章 基於決策層融合的目標識別方法 第92-110 頁
· 目標識別中不確定信息的處理 第92-97 頁
· 圖像理解系統中不確定信息的處理 第92-93 頁
· 目標識別中的信息融合技術 第93-94 頁
· 基於數據的不確定性處理方法 第94-97 頁
· 一種基於D-S證據理論的多類目標的層次識別方法 第97-105 頁
· D-S證據理論與數據相似度的聯繫 第97-100 頁
· 基於D-S證據理論的多類目標的層次識別方法 第100-102 頁
· 實驗結果及分析 第102-105 頁
· 基於決策層融合的目標識別方法 第105-109 頁
· 決策層融合在生物特徵識別中的套用 第106-108 頁
· 決策層融合在形狀識別中的套用 第108-109 頁
· 本章小結 第109-110 頁
第七章 總結和展望 第110-112 頁
· 總結 第110 頁
· 展望 第110-112 頁
參考文獻 第112-118 頁
