基于匹配跟踪的多传感器图像融合
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-14页 |
| ·图像融合概述 | 第9-13页 |
| ·课题背景及研究意义 | 第9-10页 |
| ·图像融合技术的应用 | 第10-11页 |
| ·图像融合技术发展现状 | 第11-13页 |
| ·本文主要内容及结构 | 第13-14页 |
| 第2章 多传感器图像融合基本理论 | 第14-26页 |
| ·图像融合基本原理 | 第14-18页 |
| ·图像融合的定义 | 第14页 |
| ·系统传感器的特点 | 第14-15页 |
| ·图像融合的流程 | 第15-16页 |
| ·图像融合的层次与分类 | 第16-18页 |
| ·传统的图像融合方法 | 第18-21页 |
| ·简单图像融合算法 | 第18-20页 |
| ·基于金字塔式的图像融合算法 | 第20页 |
| ·基于小波变换的图像融合算法 | 第20-21页 |
| ·图像融合效果评价 | 第21-25页 |
| ·主观评价 | 第22页 |
| ·客观评价 | 第22-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 信号匹配跟踪稀疏分解 | 第26-33页 |
| ·信号表示 | 第26页 |
| ·信号正交分解 | 第26-29页 |
| ·傅立叶变换 | 第27页 |
| ·短时傅立叶变换 | 第27-28页 |
| ·小波变换 | 第28-29页 |
| ·信号匹配跟踪稀疏分解 | 第29-32页 |
| ·时频原子分解 | 第29-30页 |
| ·冗余原子字典的形成 | 第30-31页 |
| ·Hilbert空间信号匹配跟踪 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第4章 基于树型匹配跟踪的图像融合 | 第33-45页 |
| ·图像匹配跟踪稀疏分解 | 第33-34页 |
| ·树型匹配跟踪稀疏分解 | 第34-39页 |
| ·冗余字典的树型构造 | 第35-37页 |
| ·稀疏分解具体实现 | 第37-38页 |
| ·树型匹配跟踪算法分析 | 第38-39页 |
| ·树型匹配跟踪图像融合算法 | 第39-40页 |
| ·实验结果与分析 | 第40-44页 |
| ·本章小结 | 第44-45页 |
| 第5章 结论与展望 | 第45-46页 |
| 参考文献 | 第46-50页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第50-51页 |
| 致谢 | 第51页 |
