首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

异类多传感器图像融合技术研究

摘要第6-7页
Abstract第7页
第1章 绪论第11-21页
    1.1 本论文的研究背景和研究意义第11-13页
    1.2 图像融合层次与融合规则第13-15页
        1.2.1 图像融合层次第13-14页
        1.2.2 融合规则第14-15页
    1.3 图像融合的研究现状第15-20页
    1.4 论文的章节安排第20-21页
第2章 图像融合理论研究第21-29页
    2.1 图像融合过程第21-22页
    2.2 图像预处理第22-25页
        2.2.1 图像去噪和增强第22页
        2.2.2 图像配准第22-25页
    2.3 图像评价第25-28页
        2.3.1 主观评价第25-26页
        2.3.2 客观评价第26-28页
    2.4 本章小结第28-29页
第3章 图像配准第29-41页
    3.1 基于傅里叶-梅林变换的图像配准第29-32页
        3.1.1 傅里叶-梅林变换理论研究第29-30页
        3.1.2 傅里叶-梅林变换配准过程第30-31页
        3.1.3 基于傅里叶-梅林变换的图像配准实验第31-32页
    3.2 基于SURF的图像配准第32-40页
        3.2.1 基于SURF算法配准的基本流程第33页
        3.2.2 SURF特征点检测第33-34页
        3.2.3 SURF特征点描述第34-35页
        3.2.4 特征匹配第35-36页
        3.2.5 基于SURF的图像配准实验第36-40页
    3.3 本章小结第40-41页
第4章 基于多分辨率分析的红外与可见光图像融合第41-59页
    4.1 基于小波变换的图像融合第41-48页
        4.1.1 小波变换的基本理论第41-42页
        4.1.2 图像的二维小波分解与重构实验第42-45页
        4.1.3 基于小波变换的图像融合第45-48页
    4.2 基于NSCT的图像融合第48-56页
        4.2.1 NSCT基本理论第48-51页
        4.2.2 NSCT对图像进行分解和重构实验第51-52页
        4.2.3 基于NSCT的图像融合第52-56页
    4.3 小波变换与NSCT的融合实验对比第56-58页
    4.4 本章小结第58-59页
第5章 基于NSCT与PCNN的红外与可见光图像融合第59-74页
    5.1 PCNN原理第59-61页
        5.1.1 PCNN模型第59-60页
        5.1.2 PCNN的运行过程第60-61页
    5.2 PCNN的红外与可见光图像融合第61-64页
        5.2.1 基于PCNN图像融合的具体流程第61-62页
        5.2.2 融合实验结果及分析第62-64页
    5.3 基于NSCT与PCNN的图像融合第64-69页
        5.3.1 NSCT与PCNN相结合的融合方法的优势第64-65页
        5.3.2 本文创新的融合规则第65-67页
        5.3.3 本文算法的图像融合步骤第67-68页
        5.3.4 本文算法与PCNN的融合实验对比分析第68-69页
    5.4 本文算法与多分辨率分析算法的融合实验对比分析第69-73页
    5.5 本章小结第73-74页
结论第74-76页
参考文献第76-80页
攻读硕士学位期间发表论文及科研成果第80-81页
致谢第81-82页

论文共82页,点击 下载论文
上一篇:磁控形状记忆合金传感器设计与信号处理研究
下一篇:基于Roesser模型的二维高散系统H_∞滤波研究