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

多聚焦图像融合算法研究

摘要第1-6页
Abstract第6-9页
第一章 绪论第9-16页
 1.1 图像融合技术第9-12页
  1.1.1 图像融合技术的概念第9-10页
  1.1.2 图像融合技术的分类第10-12页
 1.2 图像融合技术现状及存在问题第12-14页
 1.3 本文研究的主要内容第14-16页
第二章 多聚焦图像融合第16-27页
 2.1 多聚焦图像的成像特点第16-17页
  2.1.1 光学成像系统的特性第16-17页
  2.1.2 实验图像的获取第17页
 2.2 多聚焦图像融合算法第17-22页
  2.2.1 基于空间域的多聚焦图像融合法第18-20页
  2.2.2 基于频率域的多聚焦图像融合法第20-22页
 2.3 评价准则第22-26页
  2.3.1 主观评价第22-23页
  2.3.2 客观评价第23-26页
 2.4 本章小结第26-27页
第三章 基于小波域的多聚焦图像融合第27-46页
 3.1 小波分析的基本理论第27-30页
  3.1.1 小波理论的发展第27-28页
  3.1.2 连续小波变换(Continuous Wavelet Transform)第28页
  3.1.3 离散小波变换(Discrete Wavelet Transform)第28-29页
  3.1.4 多分辨率分析(Multi-Resolution AnalysiS)第29页
  3.1.5 小波包分析(Wavelet Packet AnalysiS)第29-30页
 3.2 基于多分辨率小波的多聚焦图像融合第30-40页
  3.2.1 图像的二维离散小波变换及其Mallat算法第31-32页
  3.2.2 基于二维离散小波变换的图像融合法第32-33页
  3.2.3 图像融合规则第33-38页
  3.2.4 基于小波变换的融合实验及结果分析第38-40页
 3.3 基于小波包的多聚焦图像融合第40-44页
  3.3.1 图像的小波包分解与重构第40-42页
  3.3.2 基于小波包的多聚焦图像融合算法第42页
  3.3.3 实验结果与分析第42-44页
 3.4 其他基于小波变换的多聚焦图像融合法第44页
 3.5 本章小结第44-46页
第四章 基于清晰度指标的多聚焦图像融合第46-64页
 4.1 多聚焦图像融合的清晰度指标第46-50页
  4.1.1 灰度梯度第47-48页
  4.1.2 灰度方差第48页
  4.1.3 图像能量第48-49页
  4.1.4 DCT变化系数矩阵第49页
  4.1.5 图像对比度第49-50页
  4.1.6 图像边缘特性第50页
 4.2 基于图像块小波能量特征的单清晰度指标的多聚焦图像融合法第50-57页
  4.2.1 图像的小波能量第51-52页
  4.2.2 基于小波能量的多聚焦图像融合第52-53页
  4.2.3 图像融合实验及分析第53-56页
  4.2.4 实验小结第56-57页
 4.3 基于多清晰度指标的BP神经网络多聚焦图像融合法第57-63页
  4.3.1 BP神经网络第57-58页
  4.3.2 基于BP神经网络的多聚焦图像融合法第58-61页
  4.3.3 图像融合实验结果及分析第61-62页
  4.3.4 实验结论第62-63页
 4.4 本章小结第63-64页
第五章 总结第64-66页
参考文献第66-71页
附录A:实验程序第71-79页
附录B:硕士学习期间论文发表情况第79-80页
致谢第80页

论文共80页,点击 下载论文
上一篇:基于激光主动成像图像的多帧后处理算法研究
下一篇:高速高精度ADC中基准电压源的研究与设计