基于稀疏表示的SAR/红外图像融合及目标检测研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 图表清单 | 第8-9页 |
| 缩略词 | 第9-10页 |
| 第一章 绪论 | 第10-15页 |
| ·课题研究背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-14页 |
| ·图像融合技术研究进展 | 第11-12页 |
| ·目标检测技术研究进展 | 第12-14页 |
| ·本文主要研究工作 | 第14-15页 |
| 第二章 基于稀疏重构的图像融合算法研究 | 第15-32页 |
| ·压缩感知理论 | 第15-24页 |
| ·压缩感知基本框架 | 第15-17页 |
| ·稀疏求解算法 | 第17-20页 |
| ·图像重构实验 | 第20-23页 |
| ·改进步长 GP 算法 | 第23-24页 |
| ·一种基于改进步长 GP 重构的图像融合算法 | 第24-30页 |
| ·图像融合基本理论 | 第24-26页 |
| ·字典选择 | 第26-27页 |
| ·融合策略 | 第27-28页 |
| ·实验结果及分析 | 第28-30页 |
| ·本章小结 | 第30-32页 |
| 第三章 基于字典学习的图像融合算法研究 | 第32-43页 |
| ·字典构造 | 第32-37页 |
| ·观测矩阵 | 第32-33页 |
| ·固定字典 | 第33-34页 |
| ·学习字典 | 第34-36页 |
| ·基于多源图像样本学习的字典构建 | 第36-37页 |
| ·一种基于多源样本学习字典的图像融合算法 | 第37-42页 |
| ·同步正交匹配追踪 | 第37-38页 |
| ·融合策略 | 第38-39页 |
| ·实验结果及分析 | 第39-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 基于稀疏表示的目标检测算法研究 | 第43-59页 |
| ·基于稀疏点散射中心模型的 SAR 图像目标检测 | 第43-48页 |
| ·SAR 图像目标检测技术概述 | 第43页 |
| ·点散射中心模型 | 第43-44页 |
| ·目标检测算法 | 第44-47页 |
| ·实验结果 | 第47-48页 |
| ·基于高斯灰度模型的红外图像目标检测 | 第48-51页 |
| ·红外图像目标检测技术概述 | 第48页 |
| ·高斯灰度模型 | 第48-49页 |
| ·目标检测算法 | 第49-50页 |
| ·实验结果 | 第50-51页 |
| ·基于联合隶属度函数的软决策级融合目标检测 | 第51-55页 |
| ·模糊理论 | 第51页 |
| ·目标检测算法 | 第51-53页 |
| ·实验结果 | 第53-55页 |
| ·仿真软件介绍 | 第55-58页 |
| ·本章小结 | 第58-59页 |
| 第五章 全文总结与展望 | 第59-61页 |
| 参考文献 | 第61-68页 |
| 致谢 | 第68-69页 |
| 在学期间的研究成果及发表的学术论文 | 第69页 |
