| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究概况 | 第10-12页 |
| 1.2.1 图像融合技术发展现状 | 第10-11页 |
| 1.2.2 压缩感知技术发展现状 | 第11-12页 |
| 1.3 本文主要内容与结构安排 | 第12-13页 |
| 第2章 图像融合技术的基本理论 | 第13-25页 |
| 2.1 图像融合的层次 | 第13-15页 |
| 2.1.1 按照信息表征层次不同分类 | 第13-14页 |
| 2.1.2 按照图像源不同分类 | 第14-15页 |
| 2.1.3 按照变换域不同分类 | 第15页 |
| 2.2 像素级图像融合综述 | 第15-21页 |
| 2.2.1 图像配准 | 第15页 |
| 2.2.2 图像去噪 | 第15-16页 |
| 2.2.3 加权平均法 | 第16-17页 |
| 2.2.4 IHS 空间融合法 | 第17-18页 |
| 2.2.5 主成分分析法（ PC A ） | 第18-19页 |
| 2.2.6 基于小波变换的图像融合方法 | 第19-21页 |
| 2.3 像素级图像融合评价指标 | 第21-24页 |
| 2.3.1 主观评价指标 | 第21-22页 |
| 2.3.2 客观评价指标 | 第22-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 压缩感知基本理论 | 第25-33页 |
| 3.1 压缩感知理论框架 | 第25页 |
| 3.2 信号的稀疏化表示 | 第25-26页 |
| 3.3 测量矩阵的设计 | 第26-29页 |
| 3.3.1 高斯随机矩阵 | 第27页 |
| 3.3.2 随机贝努利测量矩阵 | 第27-28页 |
| 3.3.3 部分傅里叶测量矩阵 | 第28页 |
| 3.3.4 局部哈达玛矩阵 | 第28-29页 |
| 3.3.5 托普利兹测量矩阵 | 第29页 |
| 3.4 信号的重构算法 | 第29-32页 |
| 3.4.1 正交匹配追踪法 | 第30-31页 |
| 3.4.2 正则化正交匹配追踪法 | 第31-32页 |
| 3.5 本章总结 | 第32-33页 |
| 第4章 基于区域梯度 - 能量的压缩感知图像融合 | 第33-49页 |
| 4.1 基于区域梯度 - 能量的压缩感知图像融合模型 | 第33-35页 |
| 4.2 基于区域梯度 - 能量的压缩感知图像融合算法 | 第35-39页 |
| 4.2.1 原始图像的稀疏化 | 第35-36页 |
| 4.2.2 测量矩阵的选取 | 第36-38页 |
| 4.2.3 融合规则的设计 | 第38-39页 |
| 4.2.4 重构算法 | 第39页 |
| 4.3 算法实现 | 第39-40页 |
| 4.4 实验结果及分析 | 第40-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第5章 总结与展望 | 第49-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 附录1 | 第56-57页 |
| 详细摘要 | 第57-63页 |