| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·课题背景及意义 | 第7页 |
| ·图像融合概述 | 第7-10页 |
| ·图像融合基本概念 | 第7页 |
| ·图像融合的特点 | 第7-8页 |
| ·图像融合技术的研究现状 | 第8-9页 |
| ·图像融合技术的应用现状 | 第9-10页 |
| ·论文主要内容和章节安排 | 第10-13页 |
| 第二章 图像融合基础理论与方法 | 第13-29页 |
| ·图像融合方法分类 | 第13-14页 |
| ·图像融合基础技术 | 第14-23页 |
| ·加权平均法 | 第14-15页 |
| ·金字塔变换法 | 第15-18页 |
| ·小波变换法 | 第18-21页 |
| ·人工神经网络方法 | 第21-23页 |
| ·图像融合技术的评价指标 | 第23-27页 |
| ·无参考图像情况下的融合性能评价方法 | 第24-26页 |
| ·有参考图像情况下的融合性能评价方法 | 第26-27页 |
| ·本章小结 | 第27-29页 |
| 第三章 基于最小均方差的不同分辨率图像融合方法 | 第29-39页 |
| ·最小均方差 | 第29页 |
| ·基于最小均方差的不同分辨率图像融合方法的基本原理 | 第29-33页 |
| ·实验结果及分析 | 第33-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 基于区域分割及PCNN 的图像特征级融合方法 | 第39-53页 |
| ·脉冲耦合神经网络模型 | 第39-40页 |
| ·基于多通道Gabor 滤波器的纹理提取方法 | 第40-42页 |
| ·基于纹理特征和FCM 的图像分割方法 | 第42-45页 |
| ·FCM 的基本原理 | 第42-43页 |
| ·基于FCM 的区域分割 | 第43-44页 |
| ·区域合并 | 第44-45页 |
| ·基于区域分割和PCNN 的图像特征级融合方法的基本原理 | 第45-47页 |
| ·融合步骤 | 第45-46页 |
| ·低频系数融合决策方法 | 第46页 |
| ·高频系数融合决策方法 | 第46-47页 |
| ·实验结果与分析 | 第47-50页 |
| ·本章小结 | 第50-53页 |
| 第五章 基于特征级图像融合和熵成分分析的多模态人脸识别方法 | 第53-61页 |
| ·特征级图像融合方法 | 第54页 |
| ·熵成分分析 | 第54-57页 |
| ·一维熵成分分析 | 第54-55页 |
| ·二维熵成分分析 | 第55-57页 |
| ·基于特征级图像融合和熵成分分析的多模态人脸识别方法 | 第57页 |
| ·实验结果和分析 | 第57-60页 |
| ·OTCBVS 人脸库 | 第57页 |
| ·识别性能评价 | 第57-60页 |
| ·本章小结 | 第60-61页 |
| 第六章 总结和展望 | 第61-63页 |
| ·论文工作总结 | 第61页 |
| ·未来工作展望 | 第61-63页 |
| 致谢 | 第63-65页 |
| 参考文献 | 第65-70页 |
| 附录一：作者在攻读硕士学位期间完成的论文 | 第70-71页 |
| 附录二：作者在攻读硕士学位期间参与的科研项目 | 第71页 |
