| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 红外与可见光的图像融合的现状 | 第11-14页 |
| 1.2.1 国外研究现状 | 第11-13页 |
| 1.2.2 国内研究现状 | 第13-14页 |
| 1.3 本文的主要工作 | 第14-16页 |
| 第2章 基于红外与可见光的图像融合基础理论及图像的预处理 | 第16-44页 |
| 2.1 红外与可见光成像原理 | 第16-17页 |
| 2.2 图像融合 | 第17-22页 |
| 2.2.1 图像融合的框架 | 第17-18页 |
| 2.2.2 图像融合的层次 | 第18-19页 |
| 2.2.3 图像融合的方法 | 第19-22页 |
| 2.3 水面图像融合的预处理 | 第22-36页 |
| 2.3.1 水面图像的去噪 | 第22-25页 |
| 2.3.2 水面图像滤波算法实验对比结果图 | 第25-26页 |
| 2.3.3 水面图像的增强 | 第26-28页 |
| 2.3.4 水面图像增强算法实验对比结果 | 第28-29页 |
| 2.3.5 水面图像的配准 | 第29-33页 |
| 2.3.6 水面图像配准实验分析 | 第33-36页 |
| 2.4 图像融合质量评价方法 | 第36-42页 |
| 2.4.1 主观质量评价 | 第37页 |
| 2.4.2 客观质量评价 | 第37-42页 |
| 2.5 本章小结 | 第42-44页 |
| 第3章 基于红外与可见光的图像融合方法 | 第44-58页 |
| 3.1 非下采样Contourlet变换融合方法 | 第44-53页 |
| 3.1.1 非下采样Contourlet变换理论 | 第44-46页 |
| 3.1.2 非下采样塔形滤波器组结构 | 第46-47页 |
| 3.1.3 非下采样方向滤波器组结构 | 第47-48页 |
| 3.1.4 基于NSCT图像融合的方法实现 | 第48-51页 |
| 3.1.5 阈值T对融合结果的影响 | 第51-53页 |
| 3.2 脉冲耦合神经网络(PCNN)理论 | 第53-57页 |
| 3.2.1 PCNN模型的基本理论 | 第53-55页 |
| 3.2.2 PCNN的简化模型 | 第55-56页 |
| 3.2.3 基于PCNN图像融合的方法实现 | 第56-57页 |
| 3.3 本章小结 | 第57-58页 |
| 第4章 基于NSCT和视觉显著性的红外与可见光的水面图像融合方法 | 第58-70页 |
| 4.1 FrequencyTuned算法 | 第58-63页 |
| 4.1.1 Dog滤波器 | 第59页 |
| 4.1.2 参数选择 | 第59页 |
| 4.1.3 计算显著性检测图 | 第59-60页 |
| 4.1.4 图像引导滤波器 | 第60-62页 |
| 4.1.5 红外图像显著性检测 | 第62-63页 |
| 4.2 融合规则 | 第63-69页 |
| 4.2.1 融合过程 | 第64-65页 |
| 4.2.2 实验结果及分析 | 第65-69页 |
| 4.3 本章小结 | 第69-70页 |
| 第5章 基于NSCT和PCNN的红外与可见光水面图像融合方法 | 第70-80页 |
| 5.1 基于NSCT和PCNN水面图像融合过程 | 第70-73页 |
| 5.1.1 低频部分的融合规则 | 第71-72页 |
| 5.1.2 带通方向子带部分的融合规则 | 第72-73页 |
| 5.2 实验结果及分析 | 第73-78页 |
| 5.3 本章小结 | 第78-80页 |
| 结论 | 第80-82页 |
| 参考文献 | 第82-87页 |
| 攻读硕士学位期间发表论文和取得的科研成果 | 第87-89页 |
| 致谢 | 第89页 |
