本书围绕多源图像融合技术，基于脉冲耦合神经网络、随机漫步、引导滤波和稀疏表示理论深入研究并探索多聚焦图像融合和多模态医学图像融合的方法。本书内容来自作者研究团队10多年来的科研积累和知识沉淀，相关方法也都是作者研究团队在现有基础上的创新与改进。

目录
前言
第1章 多聚焦图像融合 1
1.1 多聚焦图像融合概述 1
1.1.1 图像融合基础 1
1.1.2 多聚焦图像及其融合技术 4
1.2 多聚焦图像融合框架 6
1.2.1 基于空间域的融合方法 6
1.2.2 基于变换域的融合方法 10
1.2.3 基于深度学习的融合方法.12
1.3 多聚焦图像融合的评价方法 14
参考文献 20
第2章 基于脉冲耦合神经网络的多聚焦图像融合 22
2.1 脉冲耦合神经网络理论 22
2.1.1 PCNN模型 23
2.1.2 在图像处理领域的应用 29
2.1.3 在非图像处理领域的应用.33
2.1.4 硬件实现 34
2.2 PCNN在图像融合中的应用 34
2.2.1 空间域图像融合 35
2.2.2 变换域图像融合 38
2.2.3 硬件实现 44
2.3 基于双通道PCNN的多聚焦图像融合算法 44
2.3.1 双通道PCNN模型 44
2.3.2 基于双通道PCNN的融合算法.46
2.3.3 实验结果与分析 49
参考文献 58
第3章 基于随机漫步的多聚焦图像融合 73
3.1 随机漫步理论 73
3.1.1 随机漫步标准模型 73
3.1.2 随机漫步改进模型 77
3.2 随机漫步在图像处理中的应用 82
3.2.1 基于随机漫步的图像分割 82
3.2.2 基于随机漫步的图像融合 88
3.2.3 基于随机漫步的其他应用 90
3.3 基于随机漫步与PCNN的多聚焦图像融合算法 96
3.3.1 自启动随机漫步模型 96
3.3.2 改进的PCNN模型 99
3.3.3 算法描述 100
3.3.4 实验结果与分析 103
参考文献 116
第4章 基于引导滤波的多聚焦图像融合 121
4.1 引导滤波 121
4.1.1 引导滤波理论 121
4.1.2 引导滤波在图像处理领域的应用 122
4.2 基于引导滤波器和PCNN的图像融合算法 123
4.2.1 改进的PCNN模型 123
4.2.2 算法描述 124
4.2.3 实验结果与分析 127
4.3 基于引导滤波与随机漫步的图像融合算法 135
4.3.1 算法描述 136
4.3.2 实验结果与分析 139
4.4 基于引导滤波与随机漫步的图像融合改进算法 146
4.4.1 算法描述 146
4.4.2 实验结果与分析 149
参考文献 156
第5章 拼接缝图像融合 157
5.1 图像拼接 157
5.1.1 拼接流程 158
5.1.2 图像配准 159
5.2 图像拼接中的图像融合 167
5.2.1 拼接缝的产生 167
5.2.2 拼接缝的消除方法 168
5.3 基于曲波变换的拼接缝融合算法 170
5.3.1 曲波变换 170
5.3.2 拼接缝融合 173
5.3.3 实验结果与分析 175
参考文献 188
第6章 多模态医学图像融合 193
6.1 医学图像融合概述 193
6.1.1 基本概念 194
6.1.2 研究现状 194
6.2 图像融合评价 196
6.2.1 评价方法 196
6.2.2 评价指标分析 203
6.3 基于多通道 PCNN 的医学图像融合算法 205
6.3.1 图像融合算法 206
6.3.2 实验结果与分析 207
参考文献 214
第7章 基于自适应稀疏表示的多模态图像融合 218
7.1 相关基础理论 218
7.1.1 图像的多尺度变换 218
7.1.2 稀疏表示 222
7.1.3 融合规则 223
7.1.4 融合算法评价 226
7.2 基于自适应稀疏表示与引导滤波的图像融合算法 228
7.2.1 相关模型 228
7.2.2 算法描述 232
7.2.3 算法仿真和评价 236
7.3 基于自适应稀疏表示与拉普拉斯金字塔的图像融合算法 243
7.3.1 算法描述 243
7.3.2 算法仿真和评价 246
参考文献 253