中文摘要 | 第3-5页 |
英文摘要 | 第5-6页 |
1 绪论 | 第10-32页 |
1.1 研究的背景和意义 | 第10-11页 |
1.2 图像融合的层次 | 第11-13页 |
1.3 像素级图像融合算法的研究现状 | 第13-23页 |
1.3.1 空间域图像融合算法 | 第13-14页 |
1.3.2 变换域图像融合算法 | 第14-17页 |
1.3.3 基于稀疏表示的图像融合 | 第17-23页 |
1.3.4 基于稀疏表示的图像融合方法中的问题 | 第23页 |
1.4 图像融合效果的评价方法 | 第23-27页 |
1.4.1 主观视觉评价 | 第24页 |
1.4.2 客观质量评价 | 第24-27页 |
1.5 本文主要研究内容与组织结构 | 第27-32页 |
1.5.1 本文主要研究内容 | 第27-28页 |
1.5.2 本文组织结构 | 第28-32页 |
2 基于可控核回归聚类与卡通纹理分解的多模态图像融合 | 第32-50页 |
2.1 基于稀疏的多模态图像融合方法存在的问题 | 第33-34页 |
2.2 基于像素点可控核回归聚类的字典获取方法 | 第34-37页 |
2.2.1 像素点聚类 | 第35-36页 |
2.2.2 字典获取 | 第36-37页 |
2.3 基于卡通纹理分解的图像融合框架 | 第37-41页 |
2.3.1 图像卡通纹理分解 | 第37-39页 |
2.3.2 融合方法与步骤 | 第39-41页 |
2.4 实验准备 | 第41页 |
2.5 融合结果分析 | 第41-48页 |
2.5.1 多模态医学图像融合 | 第41-45页 |
2.5.2 红外可见光图像融合 | 第45-48页 |
2.6 本章小结 | 第48-50页 |
3 基于双字典学习的多分辨率图像融合方法研究 | 第50-74页 |
3.1 多分辨率双字典关联学习算法 | 第51-53页 |
3.2 多分辨率图像稀疏表示与稀疏系数融合框架 | 第53-56页 |
3.2.1 图像高频与低频部分分解 | 第54-55页 |
3.2.2 稀疏编码 | 第55-56页 |
3.2.3 系数融合 | 第56页 |
3.3 实验条件 | 第56-58页 |
3.4 实验结果与分析 | 第58-69页 |
3.4.1 字典学习 | 第58-59页 |
3.4.2 融合效果主观评价 | 第59-63页 |
3.4.3 融合时间 | 第63-64页 |
3.4.4 融合效果客观评价 | 第64-68页 |
3.4.5 对比实验 | 第68-69页 |
3.5 本章讨论 | 第69-73页 |
3.6 本章小节 | 第73-74页 |
4 基于低秩稀疏分解的多模态多分辨率图像融合 | 第74-96页 |
4.1 基于低秩稀疏分解双字典关联学习方法 | 第75-81页 |
4.1.1 训练图像低秩稀疏分解及分块 | 第75-77页 |
4.1.2 低秩与稀疏部分字典学习 | 第77-78页 |
4.1.3 低秩与稀疏部分字典优化 | 第78-81页 |
4.2 稀疏编码及稀疏系数融合 | 第81-83页 |
4.2.1 待融合源图像低秩稀疏分解 | 第82页 |
4.2.2 低秩与稀疏部分稀疏编码 | 第82页 |
4.2.3 稀疏系数融合 | 第82-83页 |
4.3 实验条件 | 第83-84页 |
4.4 实验结果与分析 | 第84-93页 |
4.4.1 医学图像融合结果 | 第84-87页 |
4.4.2 红外可见光图像融合结果 | 第87-90页 |
4.4.3 实验结果进一步分析讨论 | 第90-93页 |
4.5 本章小结 | 第93-96页 |
5 基于图像块几何分类的多聚焦图像融合方法 | 第96-112页 |
5.1 基于几何学分类的字典学习方法 | 第96-102页 |
5.1.1 基于几何形状的图像块分类方法 | 第98-101页 |
5.1.2 基于主成分分析的字典构建方法及融合模型 | 第101-102页 |
5.2 图像的稀疏表示与融合 | 第102-103页 |
5.3 实验条件 | 第103页 |
5.4 实验结果与分析 | 第103-111页 |
5.5 本章小结 | 第111-112页 |
6 总结与展望 | 第112-116页 |
6.1 论文总结 | 第112-113页 |
6.2 研究展望 | 第113-116页 |
致谢 | 第116-118页 |
参考文献 | 第118-130页 |
附录 | 第130-131页 |
A 作者在攻读博士学位期间发表的论文目录 | 第130页 |
B 作者在攻读博士学位期间参加的科研项目 | 第130-131页 |