| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 图像融合的背景和意义 | 第11-13页 |
| 1.2 图像融合技术的研究现状及发展分析 | 第13-15页 |
| 1.3 存在的问题 | 第15-16页 |
| 1.4 本论文的主要研究工作和内容安排 | 第16-19页 |
| 1.4.1 主要研究工作 | 第16-17页 |
| 1.4.2 内容安排 | 第17-19页 |
| 第2章 图像融合基础理论 | 第19-33页 |
| 2.1 图像融合的层次 | 第19-22页 |
| 2.1.1 像素层融合 | 第19-20页 |
| 2.1.2 特征级融合 | 第20-21页 |
| 2.1.3 决策级融合 | 第21-22页 |
| 2.2 图像融合过程 | 第22-23页 |
| 2.3 图像融合质量评价 | 第23-26页 |
| 2.3.1 主观融合效果评定 | 第23-24页 |
| 2.3.2 客观融合效果评定 | 第24-26页 |
| 2.4 图像融合经典算法 | 第26-31页 |
| 2.4.1 HIS变换法 | 第26-28页 |
| 2.4.2 Brovey变换法 | 第28页 |
| 2.4.3 主分量分析法 | 第28-30页 |
| 2.4.4 小波变换 | 第30-31页 |
| 2.4.5 离散分数随机变换 | 第31页 |
| 2.5 本章小结 | 第31-33页 |
| 第3章 脉冲耦合神经网络 | 第33-41页 |
| 3.1 脉冲耦合神经网络神经元模型 | 第33-35页 |
| 3.1.1 接受部分 | 第33-34页 |
| 3.1.2 调制部分 | 第34页 |
| 3.1.3 脉冲产生部分 | 第34-35页 |
| 3.2 脉冲耦合神经网络简化模型 | 第35-36页 |
| 3.3 脉冲神经网络运行机制 | 第36-37页 |
| 3.4 脉冲耦合神经网络的基本特性 | 第37-39页 |
| 3.5 本章小结 | 第39-41页 |
| 第4章 基于离散分数随机变换的自适应脉冲耦合神经网络的图像融合算法 | 第41-53页 |
| 4.1 分数傅里叶变换 | 第41-42页 |
| 4.2 离散分数傅里叶变换 | 第42-43页 |
| 4.3 离散分数随机变换及其在图像融合中应用 | 第43-45页 |
| 4.3.1 离散分数随机变换 | 第43-44页 |
| 4.3.2 离散分数随机变换在图像融合中的应用 | 第44-45页 |
| 4.4 脉冲耦合神经网络链接强度的确定 | 第45-46页 |
| 4.5 基于离散分数随机变换的自适应脉冲耦合神经网络的图像融合算法 | 第46-51页 |
| 4.5.1 算法融合步骤 | 第46-48页 |
| 4.5.2 算法融合实验 | 第48-50页 |
| 4.5.3 算法融合效果评价 | 第50-51页 |
| 4.6 本章小结 | 第51-53页 |
| 第5章 基于离散多参数分数随机变换的自适应脉冲耦合神经网络的图像融合算法 | 第53-65页 |
| 5.1 离散多参数分数随机变换及其在图像融合中应用 | 第53-56页 |
| 5.1.1 离散多参数分数随机变换 | 第53-55页 |
| 5.1.2 离散多参数分数随机变换在图像中应用 | 第55-56页 |
| 5.2 脉冲耦合神经网络链接强度的确定 | 第56-57页 |
| 5.3 基于离散多参数分数随机变换的自适应脉冲耦合神经网络图像融合算法 | 第57-63页 |
| 5.3.1 算法融合过程 | 第57-59页 |
| 5.3.2 算法融合实验 | 第59-61页 |
| 5.3.3 算法融合效果评价 | 第61-63页 |
| 5.4 本章小结 | 第63-65页 |
| 第6章 总结与展望 | 第65-67页 |
| 6.1 论文工作总结 | 第65-66页 |
| 6.2 研究课题展望 | 第66-67页 |
| 参考文献 | 第67-73页 |
| 致谢 | 第73-75页 |
| 作者攻读硕士学位期间发表的论文 | 第75页 |
