基于稀疏表示模型的热红外与可见光图像融合研究
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 多模态图像融合的研究背景与意义 | 第11-13页 |
| 1.2 多模态图像融合的研究现状 | 第13-14页 |
| 1.3 论文主要内容及结构 | 第14-16页 |
| 第二章 相关理论基础 | 第16-28页 |
| 2.1 多模态图像配准 | 第16-23页 |
| 2.2 多模态图像融合 | 第23-25页 |
| 2.3 图像质量评价 | 第25-27页 |
| 2.4 本章总结 | 第27-28页 |
| 第三章 基于距离度量学习的多模态图配准 | 第28-37页 |
| 3.1 引言 | 第28-29页 |
| 3.2 基于SIFT特征的多模态距离度量学习 | 第29-32页 |
| 3.2.1 多模态图像SIFT特征提取 | 第29-30页 |
| 3.2.2 多模态距离度量学习 | 第30-32页 |
| 3.3 基于多模态距离度量的图像配准算法 | 第32-34页 |
| 3.4 实验与分析 | 第34-36页 |
| 3.4.1 定量分析 | 第34页 |
| 3.4.2 定性分析 | 第34-36页 |
| 3.5 本章总结 | 第36-37页 |
| 第四章 基于正则化稀疏表示模型的多模态图融合 | 第37-48页 |
| 4.1 引言 | 第37-38页 |
| 4.2 基于拉普拉斯稀疏表示模型的多模态图像描述 | 第38-42页 |
| 4.2.1 稀疏表示模型概述 | 第38-39页 |
| 4.2.2 多模态图像字典学习 | 第39-40页 |
| 4.2.3 多模态图像拉普拉斯稀疏表示 | 第40-42页 |
| 4.3 基于稀疏表示系数的多模态图像融合算法 | 第42-43页 |
| 4.4 实验与分析 | 第43-46页 |
| 4.4.1 定量分析 | 第43-44页 |
| 4.4.2 定性分析 | 第44-46页 |
| 4.5 本章总结 | 第46-48页 |
| 第五章 总结与展望 | 第48-51页 |
| 5.1 论文总结 | 第48-49页 |
| 5.2 未来的工作展望 | 第49-51页 |
| 参考文献 | 第51-57页 |
| 致谢 | 第57-59页 |
| 攻读硕士学位期间发表的学术论文 | 第59-60页 |
| 攻读硕士学位期间所参加的科研项目 | 第60页 |
