| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第12-13页 |
| 缩略语对照表 | 第13-16页 |
| 第一章 绪论 | 第16-26页 |
| 1.1 研究背景和研究进展 | 第16-23页 |
| 1.1.1 研究背景和意义 | 第16-18页 |
| 1.1.2 图像融合的应用 | 第18-19页 |
| 1.1.3 图像融合的分类 | 第19-21页 |
| 1.1.4 图像融合的发展历程 | 第21-23页 |
| 1.2 研究内容和论文结构 | 第23-26页 |
| 第二章 图像融合基本理论 | 第26-40页 |
| 2.1 图像去噪 | 第26页 |
| 2.2 图像增强 | 第26-27页 |
| 2.3 图像配准 | 第27-35页 |
| 2.3.1 图像配准的定义 | 第27-28页 |
| 2.3.2 图像配准的基本框架 | 第28-29页 |
| 2.3.3 图像的变换类型[27] | 第29-32页 |
| 2.3.4 常用的插值算法 | 第32-35页 |
| 2.3.5 配准方法分类 | 第35页 |
| 2.4 多尺度分解 | 第35-37页 |
| 2.4.1 多尺度图像融合的基本框架 | 第36-37页 |
| 2.4.2 小波变换 | 第37页 |
| 2.5 小结 | 第37-40页 |
| 第三章 可见光与红外图像的融合算法及实现 | 第40-72页 |
| 3.1 多尺度图像融合系统的处理过程 | 第40-41页 |
| 3.2 形态学基本理论 | 第41-43页 |
| 3.2.1 腐蚀和膨胀 | 第41-42页 |
| 3.2.2 开运算和闭运算 | 第42页 |
| 3.2.3 结构元素的选择 | 第42-43页 |
| 3.3 图像去噪算法比较与选择 | 第43-49页 |
| 3.3.1 多尺度多结构元素形态学滤波算子 | 第43-44页 |
| 3.3.2 仿真结果与分析 | 第44-49页 |
| 3.4 边缘检测算子比较与选择 | 第49-58页 |
| 3.4.1 常用的几种边缘检测算子 | 第49-51页 |
| 3.4.2 基于多尺度多方向结构元素的数学形态学边缘检测算子 | 第51-53页 |
| 3.4.3 仿真结果与分析 | 第53-58页 |
| 3.5 图像配准仿真结果与分析 | 第58-60页 |
| 3.6 基于多尺度分解的图像融合 | 第60-61页 |
| 3.6.1 多尺度分解图像融合的融合规则 | 第60-61页 |
| 3.7 图像融合性能评价 | 第61-65页 |
| 3.7.1 主观评价 | 第61-62页 |
| 3.7.2 客观评价 | 第62-65页 |
| 3.8 仿真结果与分析 | 第65-71页 |
| 3.9 本章小结 | 第71-72页 |
| 第四章 多源图像融合系统的软件实现 | 第72-80页 |
| 4.1 软件开发语言 | 第72页 |
| 4.2 多源图像融合软件开发 | 第72-78页 |
| 4.2.1 读取图像 | 第72-73页 |
| 4.2.2 图像去噪 | 第73-74页 |
| 4.2.3 图像增强 | 第74-75页 |
| 4.2.4 图像配准 | 第75-77页 |
| 4.2.5 图像融合 | 第77页 |
| 4.2.6 图像融合效果评价 | 第77-78页 |
| 4.2.7 保存和清除 | 第78页 |
| 4.3 本章小结 | 第78-80页 |
| 第五章 结论与展望 | 第80-82页 |
| 5.1 本文研究结论 | 第80页 |
| 5.2 工作展望 | 第80-82页 |
| 参考文献 | 第82-86页 |
| 致谢 | 第86-88页 |
| 作者简介 | 第88-89页 |