| 内容提要 | 第1-8页 |
| 第1章 绪论 | 第8-24页 |
| ·课题的背景及研究意义 | 第8-10页 |
| ·图像融合的层次分类 | 第10-11页 |
| ·像素级图像融合方法及研究现状 | 第11-18页 |
| ·空间域融合算法 | 第12-14页 |
| ·变换域的融合方法 | 第14-16页 |
| ·变换域融合方法的融合规则 | 第16-18页 |
| ·图像融合性能评价指标 | 第18-22页 |
| ·主观评价法 | 第18页 |
| ·客观评价指标 | 第18-22页 |
| ·本文主要工作及章节安排 | 第22-24页 |
| ·本文主要研究工作 | 第22-23页 |
| ·本文章节安排 | 第23-24页 |
| 第2章 小波多尺度分解与图像融合 | 第24-36页 |
| ·引言 | 第24页 |
| ·小波变换基本理论 | 第24-31页 |
| ·连续小波与离散小波 | 第24-25页 |
| ·多分辨率分析与Mallat算法 | 第25-28页 |
| ·图像的小波分解与重构 | 第28-31页 |
| ·不同小波分解层数和小波基对融合性能的影响 | 第31-35页 |
| ·不同小波分解层数对融合性能的影响分析 | 第31-33页 |
| ·不同小波基对融合性能的影响分析 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第3章 基于高斯小波变换的医学图像融合 | 第36-46页 |
| ·引言 | 第36页 |
| ·自适应空间系数高斯小波函数 | 第36-40页 |
| ·基于高斯函数的小波变换 | 第36-39页 |
| ·灰度共生矩阵 | 第39-40页 |
| ·基于自适应空间系数高斯小波的医学图像融合算法 | 第40-44页 |
| ·融合算法步骤 | 第41页 |
| ·实验结果与分析 | 第41-44页 |
| ·本章小结 | 第44-46页 |
| 第4章 基于Curvelet变换的多聚焦图像融合 | 第46-60页 |
| ·引言 | 第46-47页 |
| ·脊波变换和曲波变换理论 | 第47-53页 |
| ·脊波变换（Ridgelet） | 第47-49页 |
| ·第1 代曲波变换（Curvelet） | 第49-51页 |
| ·第2 代Curvelet变换 | 第51-53页 |
| ·Curvelet变换与小波变换的联系及区别 | 第53页 |
| ·基于Curvelet变换的多聚焦图像融合算法 | 第53-59页 |
| ·算法步骤 | 第54页 |
| ·融合规则设定 | 第54-55页 |
| ·实验结果与分析 | 第55-59页 |
| ·本章小结 | 第59-60页 |
| 第5章 基于NSCT-PCNN变换的红外与可见光图像融合 | 第60-72页 |
| ·引言 | 第60页 |
| ·非下采样Contourlet变换 | 第60-62页 |
| ·非下采样金字塔(NSP) | 第61-62页 |
| ·非下采样方向滤波器组(NSDFB) | 第62页 |
| ·脉冲耦合神经网络(PCNN) | 第62-64页 |
| ·基于NSCT-PCNN变换的红外与可见光图像融合算法 | 第64-70页 |
| ·改进的PCNN模型 | 第64-66页 |
| ·融合算法实现过程 | 第66-67页 |
| ·实验结果与分析 | 第67-70页 |
| ·本章小结 | 第70-72页 |
| 第6章 2DPCA-NSCT变换的多光谱与全色图像融合 | 第72-84页 |
| ·引言 | 第72页 |
| ·主成分分析（PCA）原理 | 第72-74页 |
| ·基于PCA变换的融合方法 | 第74-75页 |
| ·基于2DPCA-NSCT变换的多光谱和全色图像融合 | 第75-82页 |
| ·二维主成分分析(2DPCA) | 第75页 |
| ·融合算法实现过程 | 第75-78页 |
| ·实验结果及分析 | 第78-82页 |
| ·本章小结 | 第82-84页 |
| 第7章 总结与展望 | 第84-88页 |
| ·本论文工作总结 | 第84-85页 |
| ·研究展望 | 第85-88页 |
| 参考文献 | 第88-97页 |
| 致谢 | 第97-98页 |
| 攻读博士期间发表的学术论文 | 第98-99页 |
| 摘要 | 第99-101页 |
| Abstract | 第101-102页 |
