基于神经网络的图像融合算法研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第1章 绪论 | 第12-16页 |
| 1.1 课题研究背景和意义 | 第12-13页 |
| 1.2 图像融合的国内外研究现状和发展趋势 | 第13-15页 |
| 1.3 本文的主要结构 | 第15-16页 |
| 第2章 图像融合的基本理论 | 第16-26页 |
| 2.1 图像融合的基本分类 | 第16-18页 |
| 2.1.1 图像融合的层次 | 第16-17页 |
| 2.1.2 图像融合框架 | 第17-18页 |
| 2.2 常见图像融合方法 | 第18-23页 |
| 2.2.1 空间域融合算法 | 第18-20页 |
| 2.2.2 变换域融合算法 | 第20-23页 |
| 2.3 图像融合的评价标准 | 第23-25页 |
| 2.3.1 主观评价 | 第23-24页 |
| 2.3.2 客观评价指标 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 基于脉冲耦合神经网络(PCNN)图像融合 | 第26-38页 |
| 3.1 PCNN基本模型 | 第26-27页 |
| 3.2 PCNN工作原理 | 第27-31页 |
| 3.2.1 无耦合链接 | 第27-30页 |
| 3.2.2 耦合链接 | 第30-31页 |
| 3.3 基于改进的PCNN模型的图像融合 | 第31-33页 |
| 3.4 实验结果分析 | 第33-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第4章 基于NSST与改进PCNN的图像融合 | 第38-48页 |
| 4.1 理论介绍 | 第38-40页 |
| 4.1.1 非下采样剪切波变换(NSST) | 第38-39页 |
| 4.1.2 PCNN模型的简化 | 第39-40页 |
| 4.2 基于NSST与改进PCNN图像融合 | 第40-44页 |
| 4.2.1 算法框架 | 第40-41页 |
| 4.2.2 低频子带融合规则 | 第41页 |
| 4.2.3 高频子带融合规则 | 第41-43页 |
| 4.2.4 融合步骤 | 第43-44页 |
| 4.3 实验结果与分析 | 第44-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第5章 总结与展望 | 第48-50页 |
| 5.1 论文工作总结 | 第48页 |
| 5.2 研究展望 | 第48-50页 |
| 参考文献 | 第50-55页 |
| 攻读学位期间发表的学术论文及所取得的研究成果 | 第55-56页 |
| 致谢 | 第56页 |
