| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 图像融合评价指标 | 第13-14页 |
| 1.4 论文组织结构 | 第14-16页 |
| 第二章 Contourlet变换 | 第16-23页 |
| 2.1 Contourlet的由来 | 第16-17页 |
| 2.2 LP变换 | 第17-18页 |
| 2.3 方向滤波器组 | 第18-21页 |
| 2.4 Contourlet变换及其特点 | 第21-23页 |
| 第三章 脉冲耦合神经网络理论 | 第23-32页 |
| 3.1 PCNN模型基本理论 | 第23页 |
| 3.2 PCNN模型的组成 | 第23-27页 |
| 3.3 PCNN神经元的运行方式 | 第27-29页 |
| 3.3.1 无耦合链接的PCNN | 第27-29页 |
| 3.3.2 耦合链接的PCNN | 第29页 |
| 3.4 PCNN简化模型 | 第29-30页 |
| 3.5 本章小结 | 第30-32页 |
| 第四章 基于Contourlet系数相关性的图像融合 | 第32-44页 |
| 4.1 小波相关性系数 | 第32-33页 |
| 4.2 Contourlet相关性系数 | 第33-35页 |
| 4.3 三种相关性系数的比较 | 第35-36页 |
| 4.4 基于Contourlet系数相关性的图像融合算法 | 第36-37页 |
| 4.5 实验结果与分析 | 第37-42页 |
| 4.6 本章小结 | 第42-44页 |
| 第五章 基于Contourlet相关性的PCNN图像融合算法 | 第44-52页 |
| 5.1 引言 | 第44页 |
| 5.2 脉冲耦合神经网络 | 第44-46页 |
| 5.2.1 PCNN的简化模型 | 第44-45页 |
| 5.2.2 自适应链接强度β的确定 | 第45-46页 |
| 5.3 基于Contourlet相关性的PCNN图像融合算法 | 第46-47页 |
| 5.3.1 低频子带的融合规则 | 第46页 |
| 5.3.2 带通方向子带的融合规则 | 第46-47页 |
| 5.4 实验结果及性能评价 | 第47-51页 |
| 5.5 本章小结 | 第51-52页 |
| 第六章 总结与展望 | 第52-54页 |
| 6.1 总结 | 第52页 |
| 6.2 展望 | 第52-54页 |
| 参考文献 | 第54-59页 |
| 致谢 | 第59-60页 |
| 攻读学位期间的研究成果 | 第60页 |
