摘要 | 第4-5页 |
abstract | 第5页 |
第一章 绪论 | 第9-16页 |
1.1 研究背景和研究目的 | 第9-11页 |
1.2 图像融合技术的国内外研究现状 | 第11-14页 |
1.2.1 国外研究现状 | 第11-13页 |
1.2.2 国内研究状况 | 第13页 |
1.2.3 目前存在的问题及我国现阶段的差距 | 第13-14页 |
1.3 本论文的主要内容与章节安排 | 第14-16页 |
1.3.1 本论文的主要内容 | 第14页 |
1.3.2 本论文的章节安排 | 第14-16页 |
第二章 图像融合基本理论 | 第16-29页 |
2.1 图像融合的概念 | 第16页 |
2.2 图像融合的主要步骤 | 第16-18页 |
2.2.1 图像预处理 | 第16-17页 |
2.2.2 图像配准 | 第17页 |
2.2.3 图像融合 | 第17-18页 |
2.3 图像融合的层次划分 | 第18-19页 |
2.3.1 像素级融合 | 第18页 |
2.3.2 特征级融合 | 第18-19页 |
2.3.3 决策级融合 | 第19页 |
2.4 常见融合方法 | 第19-24页 |
2.4.1 像素级融合方法 | 第19-22页 |
2.4.2 特征级和决策级融合方法 | 第22-24页 |
2.5 图像融合的效果评价 | 第24-27页 |
2.5.1 主观评价 | 第25页 |
2.5.2 客观评价 | 第25-27页 |
2.6 本章小结 | 第27-29页 |
第三章 图像分割基本理论 | 第29-36页 |
3.1 图像分割的概念 | 第29-30页 |
3.2 基于边缘的图像分割方法 | 第30-33页 |
3.2.1 罗伯特(Roberts)边缘算子 | 第31页 |
3.2.2 索贝尔(Sobel)边缘算子 | 第31页 |
3.2.3 普瑞维特(Prewitt)边缘算子 | 第31-32页 |
3.2.4 拉普拉斯(Laplacian)边缘算子 | 第32页 |
3.2.5 坎尼(Canny)边缘算子 | 第32-33页 |
3.3 基于区域的图像分割 | 第33-34页 |
3.3.1 阈值法 | 第33页 |
3.3.2 区域生长法 | 第33页 |
3.3.3 分裂合并法 | 第33-34页 |
3.3.4 聚类法 | 第34页 |
3.3.5 分水岭法 | 第34页 |
3.4 本章小结 | 第34-36页 |
第四章 基于区域分割的图像融合 | 第36-48页 |
4.1 基于区域分割的图像融合算法基本思路 | 第36页 |
4.2 基于区域分割的图像融合具体过程 | 第36-39页 |
4.2.1 基于区域的图像分割 | 第36-37页 |
4.2.2 联合区域表示 | 第37页 |
4.2.3 图像融合规则 | 第37-39页 |
4.2.4 融合效果量化评价 | 第39页 |
4.3 改进的基于拉普拉斯能量(EOL)参数的融合算法 | 第39-47页 |
4.3.1 算法改进思路 | 第39-41页 |
4.3.2 红外图像与可见光图像的融合 | 第41-43页 |
4.3.3 红外图像与可见光图像的融合结果分析 | 第43-44页 |
4.3.4 红外图像与微光图像的融合 | 第44-46页 |
4.3.5 红外图像与微光图像的融合结果分析 | 第46-47页 |
4.4 本章小结 | 第47-48页 |
第五章 基于改进结构相似度的区域划分图像融合 | 第48-63页 |
5.1 传统相似度及小波相似度理论 | 第48-51页 |
5.1.1 传统相似度计算方法 | 第48-49页 |
5.1.2 传统相似度的不足 | 第49-50页 |
5.1.3 基于小波的结构相似度 | 第50页 |
5.1.4 小波相似度与原相似度性能对比实验 | 第50-51页 |
5.2 基于小波结构相似度的区域划分融合算法 | 第51-57页 |
5.2.1 基于人类视觉系统(HVS)的小波系数加权 | 第51-53页 |
5.2.2 基于小波的结构相似度的区域划分融合算法 | 第53-56页 |
5.2.3 融合效果量化评价 | 第56-57页 |
5.3 改进的融合算法实验结果 | 第57-62页 |
5.3.1 不同场景下图像的融合 | 第57-61页 |
5.3.2 图像融合结果分析 | 第61-62页 |
5.4 本章小结 | 第62-63页 |
第六章 总结与展望 | 第63-65页 |
6.1 全文总结 | 第63页 |
6.2 展望 | 第63-65页 |
参考文献 | 第65-68页 |
攻读硕士期间的研究成果 | 第68-69页 |
致谢 | 第69页 |