| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 论文主要研究内容及结构安排 | 第13-15页 |
| 1.3.1 主要研究内容 | 第13-14页 |
| 1.3.2 论文结构安排 | 第14-15页 |
| 第2章 多聚焦图像融合技术概述 | 第15-26页 |
| 2.1 多聚焦图像融合原理 | 第15-16页 |
| 2.2 多聚焦图像融合层次 | 第16-18页 |
| 2.3 多聚焦图像融合方法 | 第18-24页 |
| 2.3.1 基于空间域的融合方法 | 第18-20页 |
| 2.3.2 基于变换域的融合方法 | 第20-24页 |
| 2.4 多聚焦图像融合存在的问题 | 第24页 |
| 2.5 本章小结 | 第24-26页 |
| 第3章 基于视觉注意机制的多尺度组合结构相似度融合质量评价算法 | 第26-39页 |
| 3.1 图像融合质量评价方法 | 第26-30页 |
| 3.1.1 主观评价方法 | 第26页 |
| 3.1.2 客观评价方法 | 第26-30页 |
| 3.2 基于视觉注意机制的多尺度组合结构相似度算法 | 第30-34页 |
| 3.2.1 组合结构相似度 | 第30-32页 |
| 3.2.2 视觉注意机制 | 第32-33页 |
| 3.2.3 基于视觉注意机制的多尺度组合结构相似度算法 | 第33-34页 |
| 3.3 仿真实验与结果分析 | 第34-37页 |
| 3.4 本章小结 | 第37-39页 |
| 第4章 多聚焦图像的增强学习融合算法 | 第39-50页 |
| 4.1 增强学习概述 | 第39-40页 |
| 4.2 多聚焦图像的增强学习融合算法 | 第40-42页 |
| 4.2.1 算法框架介绍 | 第40-41页 |
| 4.2.2 状态定义 | 第41页 |
| 4.2.3 动作定义 | 第41页 |
| 4.2.4 回报函数定义 | 第41页 |
| 4.2.5 动作选择策略 | 第41-42页 |
| 4.2.6 收敛性判定 | 第42页 |
| 4.3 仿真实验及结果分析 | 第42-49页 |
| 4.3.1 算法可行性及意义分析 | 第42-45页 |
| 4.3.2 算法仿真实验分析 | 第45-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第5章 基于FRWT-GF的多聚焦图像增强学习融合算法 | 第50-63页 |
| 5.1 分数阶小波变换 | 第50-52页 |
| 5.1.1 小波变换 | 第50页 |
| 5.1.2 分数阶傅里叶变换 | 第50-51页 |
| 5.1.3 分数阶小波变换 | 第51-52页 |
| 5.2 引导滤波器 | 第52-53页 |
| 5.3 基于分数阶小波变换与引导滤波的多聚焦图像增强学习融合 | 第53-57页 |
| 5.3.1 算法框架 | 第53-54页 |
| 5.3.2 基于分数阶小波变换与引导滤波的多聚焦图像融合 | 第54-57页 |
| 5.4 仿真实验与结果分析 | 第57-62页 |
| 5.5 本章小结 | 第62-63页 |
| 总结与展望 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-71页 |
| 攻读硕士学位期间发表的论文 | 第71页 |
