| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-9页 |
| 第一章 前言 | 第9-14页 |
| ·人工神经网络 | 第9-12页 |
| ·人工神经网络的基本特征 | 第9-10页 |
| ·人工神经网络的发展历史 | 第10-11页 |
| ·人工神经网络分类 | 第11页 |
| ·人工神经网络的特点和优越性 | 第11-12页 |
| ·脉冲耦合神经网络 | 第12页 |
| ·本文的工作以及创新之处 | 第12-14页 |
| 第二章 脉冲耦合神经网络 | 第14-21页 |
| ·神经元 | 第14-15页 |
| ·脉冲耦合神经网络模型 | 第15-17页 |
| ·脉冲耦合神经网络的特性 | 第17-18页 |
| ·PCNN的应用 | 第18-20页 |
| ·图像分割 | 第18-19页 |
| ·图像平滑 | 第19页 |
| ·图像边缘检测 | 第19页 |
| ·图像识别及运动目标检测 | 第19-20页 |
| ·PCNN在其它方面的应用 | 第20页 |
| ·本章小结 | 第20-21页 |
| 第三章 传统图像融合方法 | 第21-43页 |
| ·图像融合 | 第21-22页 |
| ·多聚焦图像融合 | 第22-23页 |
| ·图像融合评价准则 | 第23-25页 |
| ·熵 | 第24页 |
| ·平均值 | 第24页 |
| ·标准差 | 第24-25页 |
| ·平均梯度 | 第25页 |
| ·基于对比度调制的传统图像融合方法原理 | 第25-28页 |
| ·基于对比度调制的传统图像融合方法的实现 | 第25-26页 |
| ·传统调制方法融合效果及存在的问题 | 第26-28页 |
| ·加权平均值法 | 第28-29页 |
| ·加权平均值法的实现方法 | 第28页 |
| ·加权平均值法融合效果及存在问题 | 第28-29页 |
| ·金字塔法 | 第29-35页 |
| ·对比度金字塔 | 第31页 |
| ·拉普拉斯金字塔 | 第31-32页 |
| ·形态学金字塔 | 第32页 |
| ·梯度金字塔 | 第32-33页 |
| ·比率金字塔与FSD金字塔 | 第33页 |
| ·各种金字塔图像融合方法的评价 | 第33-35页 |
| ·PCA法 | 第35-38页 |
| ·PCA算法的特点 | 第36页 |
| ·PCA用于图像融合 | 第36-38页 |
| ·小波变换 | 第38-40页 |
| ·离散小波变化 | 第38-39页 |
| ·位移不变的离散小波变换 | 第39页 |
| ·基于小波换的图像融合效果及评论 | 第39-40页 |
| ·最大值和最小值融合法 | 第40-42页 |
| ·最大值和最小值方法图像融合方法效果评价 | 第41-42页 |
| ·本章小节 | 第42-43页 |
| 第四章 基于PCNN模型和局部方差的多聚焦图像融合方法 | 第43-53页 |
| ·局部方差 | 第43-44页 |
| ·本文中用到的PCNN模型 | 第44-45页 |
| ·基于PCNN和局部方差的图像融合算法 | 第45-47页 |
| ·基于PCNN和局部方差的图像融合算法分析 | 第47-52页 |
| ·本章小节 | 第52-53页 |
| 第五章 总结与展望 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 攻读硕士研究生期间参加的科研项目及完成的论文 | 第58-59页 |
| 致谢 | 第59页 |