| 摘要 | 第1-7页 |
| Abstract | 第7-15页 |
| 1 绪论 | 第15-36页 |
| ·研究背景 | 第15-17页 |
| ·图像信息融合技术国内外研究现状 | 第17-31页 |
| ·图像融合技术层次划分 | 第17页 |
| ·图像融合方法研究现状 | 第17-28页 |
| ·代数方法 | 第18页 |
| ·成分替代方法 | 第18-21页 |
| ·多尺度分解方法 | 第21-24页 |
| ·统计模型方法 | 第24-26页 |
| ·变分方法 | 第26-27页 |
| ·基于学习的方法 | 第27-28页 |
| ·图像融合质量评价 | 第28-31页 |
| ·图像融合应用方向 | 第31页 |
| ·课题来源 | 第31-32页 |
| ·本文研究工作和内容安排 | 第32-34页 |
| ·本文工作的创新点 | 第34-36页 |
| 2 基于PCA和总变差模型的图像融合框架 | 第36-57页 |
| ·引言 | 第36-37页 |
| ·基于PCA分解的融合框架 | 第37-38页 |
| ·基于总变差模型的图像融合框架 | 第38-41页 |
| ·结合总变差模型和PCA的图像融合框架 | 第38-40页 |
| ·参数估计 | 第40-41页 |
| ·实验结果与分析 | 第41-55页 |
| ·相同分辨率的多传感器图像 | 第41-46页 |
| ·4倍分辨率差异图像 | 第46-48页 |
| ·含噪声图像 | 第48-55页 |
| ·本章小结 | 第55-57页 |
| 3 结合图像质量评价参数的多尺度分解融合策略 | 第57-71页 |
| ·引言 | 第57-58页 |
| ·结合图像质量评价参数的多尺度分解融合策略 | 第58-62页 |
| ·近似图像融合策略 | 第58-60页 |
| ·细节图像融合策略 | 第60-62页 |
| ·图像质量衡量参数 | 第60-61页 |
| ·细节图像融合规则 | 第61-62页 |
| ·实验结果与分析 | 第62-69页 |
| ·不同多尺度分解方法下融合效果 | 第63-67页 |
| ·拉普拉斯分解下融合效果 | 第63-65页 |
| ·比率低通金字塔分解下融合效果 | 第65-67页 |
| ·参数讨论 | 第67-69页 |
| ·近似图像邻域窗口 | 第67-68页 |
| ·细节图像权重参数 | 第68-69页 |
| ·本章小结 | 第69-71页 |
| 4 基于多重集典型相关分析的图像融合方法 | 第71-83页 |
| ·引言 | 第71-72页 |
| ·相关分析理论 | 第72-74页 |
| ·CCA理论 | 第72-73页 |
| ·MCCA理论 | 第73-74页 |
| ·基于MCCA的图像融合算法 | 第74-77页 |
| ·结合小波分析的MCCA算法 | 第74-76页 |
| ·奇异时模型2求解过程 | 第76页 |
| ·算法流程 | 第76-77页 |
| ·实验结果与分析 | 第77-81页 |
| ·R模式图像融合 | 第78-79页 |
| ·T模式图像融合 | 第79-80页 |
| ·实验分析 | 第80-81页 |
| ·本章小结 | 第81-83页 |
| 5 基于核广义典型相关分析的融合权重构造方法及其应用 | 第83-102页 |
| ·引言 | 第83-84页 |
| ·基于KHGCCA的融合权重构造思想 | 第84-89页 |
| ·KGCCA理论及推导 | 第85-87页 |
| ·KHGCCA理论及推导 | 第87-88页 |
| ·KHGCCA快速算法 | 第88-89页 |
| ·图像去噪中融合权重构造方法 | 第89-91页 |
| ·基于KHGCCA的降秩估计量计算 | 第89页 |
| ·结合KHGCCA和维纳滤波的融合图像权重计算 | 第89-91页 |
| ·实验结果与分析 | 第91-100页 |
| ·算法准确性验证 | 第91-94页 |
| ·融合思想在图像去噪中的应用 | 第94-100页 |
| ·本章小结 | 第100-102页 |
| 6 结束语 | 第102-105页 |
| ·本文工作总结 | 第102-103页 |
| ·未来工作的展望 | 第103-105页 |
| 致谢 | 第105-106页 |
| 参考文献 | 第106-119页 |
| 附录 | 第119-120页 |
| 攻读博士学位期间参加的科学研究情况 | 第120页 |