首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

多传感器图像融合理论及其应用研究

摘要第1-5页
Abstract第5-10页
第一章 绪论第10-26页
   ·研究背景和研究意义第10页
   ·图像融合技术的研究现状第10-22页
     ·图像融合系统的层次划分第10-11页
     ·国内外研究现状第11-21页
     ·图像融合的应用与发展趋势第21-22页
   ·研究内容与论文结构第22-26页
     ·研究目标第22页
     ·主要内容与创新第22-23页
     ·论文的组织结构第23-26页
第二章 像素级图像融合算法第26-46页
   ·基于多目标QPSO与灰度关联的多聚焦图像融合方法第26-32页
     ·低频子带的融合准则第26-28页
     ·高频子带的融合准则第28-30页
     ·实验结果及评价第30-31页
     ·小结第31-32页
   ·一种改进的基于形态学小波多聚焦图像融合方法第32-39页
     ·引言第32页
     ·形态学小波变换的问题与分析第32-34页
     ·基于检测-重融合的形态学小波融合方法(CRMWF)第34-38页
     ·小结第38-39页
   ·基于统计模型的多分辨率图像融合方法第39-44页
     ·引言第39页
     ·改进的统计融合模型第39-41页
     ·实验结果与分析第41-44页
     ·小结第44页
   ·本章小结第44-46页
第三章 特征级图像融合算法第46-70页
   ·卡尔曼滤波与多特征结合的噪声图像融合方法第46-51页
     ·引言第46页
     ·Kalman滤波的基本原理第46-47页
     ·多特征提取第47页
     ·基于FCM算法的图像分割第47-48页
     ·基于模糊柯西相似度的图像融合方法第48页
     ·图像融合的决策方法第48-49页
     ·基于Kalman滤波与多特征模糊聚类的图像融合第49页
     ·实验结果及评价第49-51页
     ·小结第51页
   ·基于多通道Gabor滤波的多特征图像融合方法第51-58页
     ·引言第51-52页
     ·基于Gabor滤波器的纹理特征提取第52页
     ·基于FCM算法的图像分割第52-53页
     ·基于区域的图像融合方法第53-55页
     ·实验结果及性能分析第55-57页
     ·小结第57-58页
   ·基于QPSO-FCM分割算法的多特征图像融合方法第58-63页
     ·引言第58页
     ·基于QPSO-FCM算法的图像分割第58-59页
     ·图像融合过程第59-60页
     ·实验结果及分析第60-62页
     ·小结第62-63页
   ·基于二次融合的多特征的多聚焦图像融合方法第63-68页
     ·引言第63页
     ·2DPCA方法第63页
     ·基于二次融合的多特征的融合方法第63-65页
     ·实验结果及评价第65-67页
     ·小结第67-68页
   ·本章小结第68-70页
第四章 图像融合评价算法第70-88页
   ·经典算法第70-72页
   ·一种特征级图像融合评价新方法第72-87页
     ·基于新相似性度量的评价方法第72-79页
     ·基于欧氏距离相似性度量的评价方法第79-87页
   ·本章小结第87-88页
第五章 总结与展望第88-90页
   ·总结第88页
   ·展望第88-90页
致谢第90-91页
参考文献第91-103页
附录第103-104页
 附录1:攻读博士学位期间撰写的与课题相关的论文列表第103-104页
 附录2:攻读博士学位期间参加的科研项目列表第104页

论文共104页,点击 下载论文
上一篇:无线传感器网络中高能效数据收集协议的研究
下一篇:智能识别中的降维新方法及其应用研究