图像修复和图像融合

第1章 背景知识 1
1.1 图像修复背景 1
1.2 图像融合背景 2
1.2.1 图像融合的分类 3
1.2.2 多聚焦图像融合 4
1.2.3 医学图像融合 7
第2章 预备知识 9
2.1 稀疏表示 9
2.2 结构保持滤波器 10
2.2.1 回归滤波器 10
2.2.2 分割图滤波器 11
2.3 客观评价标准 13
2.3.1 峰值信噪比（PSNR） 13
2.3.2 边缘评价指标（） 13
2.3.3 图像结构相似性评价指标（） 14
2.3.4 归一化互信息（QMI） 14
2.3.5 非线性相关信息熵（QNCIE） 15
2.3.6 Chen-Blum 评价指标 （QCB） 15
2.3.7 基于空间频率的图像融合评价指标（QSF） 16
第3章 基于稀疏表示的图像修复 18
3.1 基于相关字典的图像修复 18
3.1.1 引言 18
3.1.2 算法 19
3.1.3 实验结果 24
3.1.4 总结 27
3.2 一种提高的直方图比较方法 27
3.2.1 直方图字典 28
3.2.2 基于直方图字典的图像修复 30
3.2.3 实验结果 30
3.2.4 结论 32
第4章 利用相位一致性进行多聚焦图像融合 33
4.1 引言 33
4.2 Gabor函数与log Gabor 函数 33
4.2.1 Gabor 函数 33
4.2.2 log Gabor 函数 35
4.3 相位一致性 36
4.3.1 相位一致性的概念 36
4.3.2 利用小波计算相位一致性 37
4.3.3 聚焦评价函数 41
4.4 聚焦评价函数的实验与应用 43
4.4.1 聚焦评价函数的有效性实验 43
4.4.2 基于相位一致性的图像融合 45
4.4.3 算法实现 47
4.5 实验与结果 49
4.5.1 图像质量评价方法 49
4.5.2 图像融合方法介绍 52
4.5.3 各种图像融合算法结果比较 59
4.6 研究总结 65
第5章 利用保边滤波器进行多聚焦图像融合 66
5.1 引言 66
5.2 基于保边滤波器的多聚焦图像融合 67
5.3 实验结果 69
5.3.1 客观评价指标 70
5.3.2 实验结果及其分析 70
5.4 结论 81
第6章 基于分割谱滤波器和稀疏表示的医学图像融合 82
6.1 引言 82
6.2 相关工作 83
6.2.1 图像分割滤波器 83
6.2.2 稀疏表示 84
6.3 融合框架 85
6.4 实验结果和讨论 87
6.4.1 实验设置 87
6.4.2 参数分析 89
6.4.3 与具有代表性的保边滤波器作比较 91
6.4.4 与具有代表性的先进方法进行比较 91
6.4.5 进一步与具有代表性的先进方法进行比较 97
6.4.6 计算效率 97
6.5 结论 98
第7章 总结与展望 99
参考文献 101