带钢多源图像融合方法的研究

摘要	第1-6页
Abstract	第6-11页
第1章 绪论	第11-19页
·课题背景	第11-14页
·带钢表面检测技术发展概述	第11页
·带钢多源图像融合的背景	第11-14页
·课题研究的目的和意义	第14-15页
·图像融合算法概述	第15-16页
·图像融合算法当前现状	第15页
·基于多尺度分解的图像融合算法	第15-16页
·本课题的主要构架	第16-19页
第2章 引入图像融合的带钢表面检测系统	第19-27页
·带钢表面检测系统的构成	第19-22页
·带钢表面缺陷检测系统的检测原理	第22-23页
·带钢多源图像融合的实施流程	第23-25页
·本章小结	第25-27页
第3章 图像融合及常用图像融合算法	第27-39页
·图像融合的定义	第27页
·融合图像源的分类	第27-29页
·图像融合的层次	第29-31页
·常用图像融合算法	第31-37页
·本章小结	第37-39页
第4章 带钢多源图像的灰度拉伸	第39-51页
·带钢多源图像间整体灰度值存在较大的差异	第39-41页
·图像直方图的定义及其性质	第41-42页
·带钢多源图像的灰度拉伸	第42-47页
·带钢图像直方图的均衡化	第43-45页
·带钢图像的直方图分析	第45-46页
·带钢多源图像的灰度拉伸	第46-47页
·实验结果与分析	第47-49页
·本章小结	第49-51页
第5章 Bandelet-PCNN图像融合算法	第51-71页
·Bandelet变换	第51-58页
·第一代Bandelet变换	第52-53页
·快速离散条带波变换	第53-55页
·第二代Bandelet变换	第55-58页
·脉冲耦合神经网络	第58-62页
·PCNN改进模型	第59-61页
·PCNN的实现过程和步骤	第61-62页
·Bandelet-PCNN图像融合算法	第62-64页
·实验结果与分析	第64-70页
·多源图像灰度拉伸对融合图像质量影响	第64-65页
·不同图像融合算法的效果比较	第65-68页
·Bandelet-PCNN图像融合算法的有效性	第68-70页
·本章小结	第70-71页
第6章 结论与展望	第71-73页
·结论	第71-72页
·展望	第72-73页
参考文献	第73-79页
致谢	第79页