| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 引言 | 第9-15页 |
| 1.1 课题研究的背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 本文主要的工作 | 第12-15页 |
| 1.3.1 研究的主要内容 | 第12-13页 |
| 1.3.2 论文的结构 | 第13-15页 |
| 第2章 基于神经网络的多传感器信息融合 | 第15-25页 |
| 2.1 人工神经网络 | 第15-19页 |
| 2.1.1 人工神经网络的构成 | 第15-17页 |
| 2.1.2 人工神经网络的学习方法 | 第17-18页 |
| 2.1.3 人工神经网络的信息处理特点 | 第18-19页 |
| 2.2 多传感器图像信息融合 | 第19-24页 |
| 2.2.1 多传感器图像信息融合的基本概念 | 第19页 |
| 2.2.2 多传感器图像信息融合的结构 | 第19-21页 |
| 2.2.3 多传感器图像信息融合的应用 | 第21-22页 |
| 2.2.4 像素级图像融合方法 | 第22-23页 |
| 2.2.5 像素级图像融合性能评价 | 第23-24页 |
| 2.3 小结 | 第24-25页 |
| 第3章 LCLS模型和神经网络算法 | 第25-37页 |
| 3.1 LCLS数据融合模型描述 | 第25-29页 |
| 3.2 一种基于LCLS模型的神经数据图像融合算法 | 第29-30页 |
| 3.3 神经网络的收敛性分析 | 第30-35页 |
| 3.4 小结 | 第35-37页 |
| 第4章 图像融合算法仿真及分析 | 第37-45页 |
| 4.1 神经网络图像融合算法仿真 | 第37-39页 |
| 4.2 神经网络图像融合结果分析 | 第39-43页 |
| 4.2.1 神经网络算法的收敛过程 | 第39-41页 |
| 4.2.2 图像融合效果评价 | 第41-43页 |
| 4.3 小结 | 第43-45页 |
| 第5章 总结与展望 | 第45-47页 |
| 5.1 本文的主要工作 | 第45页 |
| 5.2 展望 | 第45-47页 |
| 参考文献 | 第47-51页 |
| 致谢 | 第51-53页 |
| 攻读硕士学位期间已发表的论文 | 第53页 |
| 攻读硕士学位期间参加的科研项目 | 第53页 |