基于自适应ICM和NSCT的图像融合
| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-13页 |
| ·研究背景及意义 | 第8-9页 |
| ·图像融合方法概述 | 第9-11页 |
| ·人工神经网络发展 | 第11-12页 |
| ·本文研究内容及组织架构 | 第12-13页 |
| 第二章 交叉视觉皮质模型(ICM) | 第13-22页 |
| ·脉冲耦合神经网络(PCNN) | 第13-16页 |
| ·PCNN模型 | 第13-15页 |
| ·PCNN模型的特性 | 第15-16页 |
| ·交叉视觉皮质模型(ICM) | 第16-21页 |
| ·ICM模型 | 第16-18页 |
| ·ICM运行机理及特性 | 第18-19页 |
| ·ICM特性 | 第19-20页 |
| ·ICM应用于图像处理的原理 | 第20-21页 |
| ·本章小节 | 第21-22页 |
| 第三章 非下采样Contourlet变换 | 第22-34页 |
| ·多尺度变换概述 | 第22-24页 |
| ·Contourlet变换的基本原理 | 第24-29页 |
| ·拉普拉斯金字塔 | 第26-27页 |
| ·方向滤波器组DFB | 第27-29页 |
| ·非下采样Contourlet变换 | 第29-33页 |
| ·非下采样拉普拉斯金字塔 | 第30-31页 |
| ·非下采样DFB | 第31-33页 |
| ·本章小节 | 第33-34页 |
| 第四章 基于ICM和NSCT的图像融合 | 第34-42页 |
| ·融合图像的评价指标 | 第34页 |
| ·基于ICM的图像融合 | 第34-35页 |
| ·基于NSCT的图像融合 | 第35-36页 |
| ·基于ICM和NSCT的图像融合 | 第36-41页 |
| ·ICM和NSCT相结合的融合步骤 | 第36-37页 |
| ·实验结果分析 | 第37-41页 |
| ·本章小节 | 第41-42页 |
| 第五章 基于自适应ICM和NSCT的图像融合 | 第42-52页 |
| ·遗传算法简介 | 第42-44页 |
| ·改进的遗传算法 | 第44页 |
| ·基于自适应ICM和NSCT的图像融合 | 第44-51页 |
| ·改进的遗传算法应用设计 | 第44-46页 |
| ·自适应融合过程 | 第46-47页 |
| ·实验结果分析 | 第47-51页 |
| ·本章小节 | 第51-52页 |
| 第六章 总结与展望 | 第52-54页 |
| ·总结 | 第52页 |
| ·展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58页 |
