圖像融合深度學習 賦能智能視覺感知——《圖像融合的深度學習方法》正式出版

圖像融合，即整合多幅源圖像包含的重要/互補信息，生成單幅更加全面且準確描述場景內(nèi)容的融合圖像，是視覺感知研究領(lǐng)域中一項至關(guān)重要的基礎(chǔ)工作，也為實現(xiàn)精準智能感知奠定了重要的基礎(chǔ)。圖像融合本質(zhì)上是信息的篩選優(yōu)化問題，源圖像對的復(fù)雜退化及視差、多類型圖像的顯著模態(tài)差異、融合目標的主觀性，通常造成融合圖像的信息量及圖像質(zhì)量大幅下降，嚴重制約了其實際應(yīng)用落地。因此，研究寬應(yīng)用高效用的圖像融合算法具有重要的理論意義和實用價值。

學術(shù)價值

為解決圖像融合的深度學習方法中的主要技術(shù)難點， 本書對多模態(tài)圖像融合、數(shù)字攝影圖像融合、遙感圖像融合、通用圖像融合及兼顧圖像配準與高級語義的圖像融合等問題進行深入探討，介紹一系列基于深度學習的圖像融合方法，挖掘多種圖像融合任務(wù)的特點及共性，探索圖像融合技術(shù)在下游視覺任務(wù)中的重要作用，并從理論創(chuàng)新和實驗驗證上對所介紹方法進行充分的分析與性能評估。

章節(jié)簡介

第1 章首先對圖像融合問題進行描述和定義，依據(jù)成像設(shè)備的差異和任務(wù)特性介紹圖像融合的分類，并給出三類典型的基于深度學習的圖像融合框架。其次，對各類圖像融合任務(wù)中常用的數(shù)據(jù)集與評估指標進行詳細介紹，為后續(xù)的研究奠定基礎(chǔ)。

第2 章介紹兩種多模態(tài)圖像融合方法，包括基于生成對抗網(wǎng)絡(luò)的紅外和可見光圖像融合（FusionGAN）方法和基于無監(jiān)督信息保留增強的醫(yī)學圖像融合（EMFusion）方法。

第3 章介紹數(shù)字攝影圖像融合方法，并針對多聚焦圖像融合、多曝光圖像融合任務(wù)分別介紹基于生成對抗網(wǎng)絡(luò)與自適應(yīng)梯度聯(lián)合約束的多聚焦圖像融合（MFF-GAN）方法和基于本征圖像分解的多曝光圖像融合（IID-MEF）方法。

第4 章介紹遙感圖像融合方法，并從消除對參考圖像依賴、強化模型尺度泛化性兩個角度分別介紹基于生成對抗網(wǎng)絡(luò)的無監(jiān)督多光譜與全色圖像融合（Pan-GAN）方法和基于尺度遷移學習與光譜觀測模型估計的多光譜與全色圖像融合（STP-SOM）方法。

第5 章介紹通用圖像融合的深度學習方法，分析和挖掘多模態(tài)、多曝光及多聚焦圖像融合等多種任務(wù)的共性，構(gòu)建統(tǒng)一通用的融合框架甚至融合網(wǎng)絡(luò)。

第6章結(jié)合圖像融合技術(shù)在實際應(yīng)用中面臨的挑戰(zhàn)，介紹兼顧圖像配準與高級語義的圖像融合新范式。

本書特點

本書以深度學習為主線，系統(tǒng)構(gòu)建了圖像融合領(lǐng)域的完整方法論體系。其核心特點在于全面覆蓋與前沿深度結(jié)合，不僅系統(tǒng)闡述了多模態(tài)、數(shù)字攝影、遙感及通用圖像融合等關(guān)鍵方向，更聚焦于解決實際應(yīng)用中的核心痛點——如模型泛化能力、對參考數(shù)據(jù)的依賴、與配準和高級視覺任務(wù)的協(xié)同等。全書通過引入生成對抗網(wǎng)絡(luò)、Transformer、無監(jiān)督學習等一系列前沿技術(shù)，提出了多個創(chuàng)新性融合框架，并從理論創(chuàng)新與實驗驗證兩個維度進行嚴謹闡述，結(jié)構(gòu)清晰，兼具理論深度與實踐指導(dǎo)價值，為領(lǐng)域研究者與工程師提供了重要的技術(shù)參考和發(fā)展思路。

左右滑動查看全書目錄

ISBN：978-7-03-078422-3

本文編輯：杜權(quán)

地球為你而轉(zhuǎn)！

歡迎關(guān)注：賽杰奧（sci_geo）

科學出版社地球科學訂閱號

傳播科學，歡迎您點亮★星標

文末分享、點贊、在看