| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-20页 |
| ·课题背景和研究意义 | 第8-9页 |
| ·图像融合技术简介 | 第9-13页 |
| ·图像融合层次 | 第9-10页 |
| ·传统的图像融合方法 | 第10-12页 |
| ·图像融合方法研究中存在的问题 | 第12-13页 |
| ·图像融合性能评价 | 第13-17页 |
| ·图像质量的主观评价 | 第14页 |
| ·融合图像质量的客观评价 | 第14-17页 |
| ·本文的主要研究工作 | 第17-20页 |
| 第二章 Shearlet 理论研究 | 第20-30页 |
| ·引言 | 第20-21页 |
| ·Shearlet 变换 | 第21-24页 |
| ·离散 Shearlet 变换 | 第24-30页 |
| ·频域实现 | 第25-26页 |
| ·时域实现 | 第26-30页 |
| 第三章 基于 Shearlet 的多聚焦图像融合算法 | 第30-40页 |
| ·引言 | 第30-31页 |
| ·多聚焦图像成像特点 | 第31-32页 |
| ·基于 Shearlet 的多聚焦图像融合算法 | 第32-38页 |
| ·基于 Shearlet 和多判决融合规则的多聚焦图像融合框架 | 第32-34页 |
| ·实验结果与分析 | 第34-38页 |
| ·本章小结 | 第38-40页 |
| 第四章 基于 Shearlet 和 PCNN 的遥感图像融合算法 | 第40-54页 |
| ·引言 | 第40-41页 |
| ·遥感图像成像特点 | 第41-42页 |
| ·合成孔径雷达图像与可见光图像成像特点 | 第41页 |
| ·高光谱图像成像特点 | 第41-42页 |
| ·高分辨率图像成像特点 | 第42页 |
| ·脉冲耦合神经网络工作原理及特性 | 第42-47页 |
| ·PCNN 神经元模型及工作原理 | 第43-44页 |
| ·PCNN 参数分析 | 第44-45页 |
| ·PCNN 性能优势 | 第45-46页 |
| ·与传统神经元比较 | 第46-47页 |
| ·基于 Shearlet 和 PCNN 的遥感图像融合算法 | 第47-53页 |
| ·基于 Shearlet 和 PCNN 的图像融合框架 | 第47-48页 |
| ·实验结果与分析 | 第48-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 基于 Shearlet 与区域特性的多光谱和全色图像融合算法 | 第54-68页 |
| ·引言 | 第54-55页 |
| ·多光谱和全色图像成像特点 | 第55-56页 |
| ·基于 Shearlet 和区域关联的多光谱图像和全色图像融合算法 | 第56-66页 |
| ·基于 HSI 变换的多光谱和全色图像融合算法 | 第56-57页 |
| ·结合 HSI 变换和多尺度几何分析的多光谱和全色图像融合算法 | 第57-59页 |
| ·区域分割与区域关联 | 第59-61页 |
| ·基于 Shearlet 和区域关联的多光谱和全色图像融合框架 | 第61-62页 |
| ·实验结果与分析 | 第62-66页 |
| ·本章小结 | 第66-68页 |
| 第六章 总结与展望 | 第68-72页 |
| ·论文工作总结 | 第68-69页 |
| ·论文研究展望 | 第69-72页 |
| 致谢 | 第72-74页 |
| 参考文献 | 第74-80页 |
| 作者攻读硕士学位期间的研究成果 | 第80-82页 |
