多源图像的融合方法研究
摘要 | 第4-5页 |
abstract | 第5页 |
第一章 绪论 | 第9-14页 |
1.1 研究工作的背景和意义 | 第9-10页 |
1.2 国内外研究历史与现状 | 第10-12页 |
1.2.1 图像融合框架发展 | 第10-11页 |
1.2.2 国内外发展与现状 | 第11页 |
1.2.3 图像融合基本步骤 | 第11-12页 |
1.3 本文的研究内容与创新点 | 第12页 |
1.4 本论文的结构安排 | 第12-14页 |
第二章 近红外与可见光多源图像预处理 | 第14-18页 |
2.1 红外与可见光多源图像特点 | 第14-15页 |
2.2 图像校正 | 第15页 |
2.3 图像去噪 | 第15-16页 |
2.4 图像增强 | 第16-17页 |
2.5 图像配准 | 第17页 |
2.6 本章小结 | 第17-18页 |
第三章 低照度图像增强方法研究 | 第18-36页 |
3.1 自适应直方图均衡化 | 第18-21页 |
3.1.1 限制对比度自适应直方图均衡化 | 第19-20页 |
3.1.2 实验效果 | 第20-21页 |
3.2 带色彩恢复的多尺度视网膜增强算法 | 第21-23页 |
3.2.1 Retinex理论 | 第21-22页 |
3.2.2 MSR与MSRCR算法 | 第22页 |
3.2.3 实验结果 | 第22-23页 |
3.3 Meanshift聚类 | 第23-26页 |
3.3.1 Meanshift原理 | 第23-25页 |
3.3.2 实验结果 | 第25-26页 |
3.4 非线性曲线调整的增强算法 | 第26-30页 |
3.4.1 样条曲线 | 第26-27页 |
3.4.2 B样条曲线 | 第27页 |
3.4.3 本文的曲线调整算法 | 第27-28页 |
3.4.4 曲线调整的实验结果及分析 | 第28-30页 |
3.5 暗通道去雾算法 | 第30-35页 |
3.5.1 暗通道去雾原理 | 第30-31页 |
3.5.2 改进的去雾算法及实验结果 | 第31-35页 |
3.6 本章小结 | 第35-36页 |
第四章 像素级图像融合 | 第36-54页 |
4.1 图像融合级别 | 第36-37页 |
4.1.1 像素级的图像融合 | 第36页 |
4.1.2 特征级图像融合 | 第36-37页 |
4.1.3 决策级图像融合 | 第37页 |
4.2 红外与可见光图像融合的基本方法 | 第37-39页 |
4.2.1 空间域融合算法 | 第38-39页 |
4.2.2 变换域融合算法 | 第39页 |
4.3 Laplacian金字塔融合 | 第39-41页 |
4.3.1 高斯金字塔 | 第40页 |
4.3.2 构造Laplacian金字塔 | 第40-41页 |
4.3.3 重构金字塔图像 | 第41页 |
4.4 小波融合 | 第41-44页 |
4.4.1 离散小波变换 | 第42-43页 |
4.4.2 小波图像融合 | 第43-44页 |
4.5 NSCT融合算法 | 第44-48页 |
4.5.1 Contourlet变换 | 第44页 |
4.5.2 非下采样塔式滤波器组(NSPFB) | 第44-46页 |
4.5.3 非下采样方向滤波器组(NSDFB) | 第46-47页 |
4.5.4 NSCT图像融合 | 第47-48页 |
4.6 图像融合实验 | 第48-53页 |
4.6.1 实验一 | 第48-50页 |
4.6.2 实验二 | 第50-53页 |
4.7 本章小结 | 第53-54页 |
第五章 基于视觉显著性检测的图像融合 | 第54-70页 |
5.1 视觉显著性 | 第54页 |
5.2 基于贝叶斯模型的显著性检测 | 第54-57页 |
5.3 视觉显著性检测结果 | 第57页 |
5.4 视觉显著性检测的NSCT图像融合 | 第57-69页 |
5.4.1 本文的融合框架设计 | 第57-59页 |
5.4.2 本文图像融合算法流程 | 第59-60页 |
5.4.3 实验结果及分析 | 第60-69页 |
5.4.3.1 实验一 | 第61-62页 |
5.4.3.2 实验二 | 第62-65页 |
5.4.3.3 实验三 | 第65-67页 |
5.4.3.4 对图像增强有效性的验证 | 第67-69页 |
5.5 本章小结 | 第69-70页 |
第六章 总结与展望 | 第70-72页 |
6.1 研究工作总结 | 第70-71页 |
6.2 对未来工作的展望 | 第71-72页 |
致谢 | 第72-73页 |
参考文献 | 第73-78页 |
攻读硕士学位期间的研究成果 | 第78页 |