Image Fusion: Theories, Techniques and Applications

این کتاب درسی مقدمه‌ای جامع بر نظریه‌ها، تکنیک‌ها و کاربردهای ترکیب تصویر ارائه می‌کند. این برای دانشجویان پیشرفته مقطع کارشناسی و کارشناسی ارشد سال اول در مهندسی برق و علوم کامپیوتر است. همچنین باید برای مهندسان تمرینی که مایل به یادگیری مفاهیم ترکیب تصویر و استفاده از آنها در برنامه های زندگی واقعی هستند مفید باشد.

این کتاب در نظر گرفته شده است که به صورت مستقل باشد. هیچ دانش قبلی در مورد ادغام تصویر فرض نمی شود، اگرچه آشنایی با پردازش اولیه تصویر و ابزارهای اساسی جبر خطی توصیه می شود. این کتاب همچنین می‌تواند به عنوان متن تکمیلی برای دوره پردازش تصویر پیشرفته استفاده شود.

به‌جز دو فصل مقدماتی، کتاب به سه بخش تقسیم شده است. بخش اول به نظریه ها و ایده های مفهومی می پردازد که زیربنای آمیختگی تصویر هستند. تأکید ویژه بر مفهوم چارچوب بازنمایی مشترک داده شده است و شامل بحث های مفصلی در مورد تکنیک های ثبت تصویر، کالیبراسیون رادیومتری و معادل سازی معنایی است. بخش دوم به طیف وسیعی از تکنیک‌ها و الگوریتم‌ها می‌پردازد که در ترکیب تصاویر رایج هستند. از جمله موضوعات در نظر گرفته شده عبارتند از: تبدیل فضای فرعی، تجزیه و تحلیل چند رزولوشن، موجک ها، یادگیری مجموعه، بسته بندی، تقویت، فضاهای رنگی، آستانه تصویر، زمینه های تصادفی مارکوف، معیارهای شباهت تصویر و الگوریتم حداکثرسازی انتظار. قسمت های I و II با هم یک نمای کلی یکپارچه و جامع از ادغام تصویر را تشکیل می دهند. بخش سوم به برنامه های کاربردی می پردازد. در آن چندین نمونه واقعی از ادغام تصویر به تفصیل مورد بررسی قرار گرفته است، از جمله وضوح پانکروماتیک، تقسیم‌بندی تصویر رنگی مجموعه و الگوریتم حقیقت و عملکرد همزمان Warfield و همکاران.

کتاب با صفحه‌ای از وب همراه است. که مواد تکمیلی ممکن است به دست آید. این شامل پشتیبانی از مدرسان دوره و پیوندهایی به کد متلب مربوطه است.

This textbook provides a comprehensive introduction to the theories, techniques and applications of image fusion. It is aimed at advanced undergraduate and first-year graduate students in electrical engineering and computer science. It should also be useful to practicing engineers who wish to learn the concepts of image fusion and use them in real-life applications.

The book is intended to be self-contained. No previous knowledge of image fusion is assumed, although some familiarity with elementary image processing and the basic tools of linear algebra is recommended. The book may also be used as a supplementary text for a course on advanced image processing.

Apart from two preliminary chapters, the book is divided into three parts. Part I deals with the conceptual theories and ideas which underlie image fusion. Particular emphasis is given to the concept of a common representational framework and includes detailed discussions on the techniques of image registration, radiometric calibration and semantic equivalence. Part II deals with a wide range of techniques and algorithms which are in common use in image fusion. Among the topics considered are: sub-space transformations, multi-resolution analysis, wavelets, ensemble learning, bagging, boosting, color spaces, image thresholding, Markov random fields, image similarity measures and the expectation-maximization algorithm. Together Parts I and II form an integrated and comprehensive overview of image fusion. Part III deals with applications. In it several real-life examples of image fusion are examined in detail, including panchromatic sharpening, ensemble color image segmentation and the Simultaneous Truth and Performance algorithm of Warfield et al.

The book is accompanied by a webpage from which supplementary material may be obtained. This includes support for course instructors and links to relevant matlab code.