首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于多尺度分析的多传感器图像融合技术研究

摘要第4-6页
ABSTRACT第6-8页
第1章 绪论第12-20页
    1.1 课题研究的背景与意义第12-13页
    1.2 多传感器图像融合技术的发展与研究现状第13-15页
    1.3 多传感器图像融合技术的分类第15-17页
    1.4 图像融合技术的应用第17-18页
    1.5 主要研究内容第18-20页
第2章 多尺度图像融合技术框架及评价方法第20-42页
    2.1 多尺度图像融合技术框架第20-33页
        2.1.1 图像多尺度分析方法第21-24页
        2.1.2 像素级图像融合准则第24-29页
        2.1.3 主要融合方案第29-33页
    2.2 图像融合技术的评价方法第33-41页
        2.2.1 主观评价方法第33-34页
        2.2.2 客观评价方法第34-41页
    2.3 本章小结第41-42页
第3章 基于双密度双树复小波变换的图像融合技术第42-64页
    3.1 2D 离散小波变换第42-44页
    3.2 双树复小波变换第44-47页
    3.3 双密度小波变换第47-49页
    3.4 双密度双树复小波变换第49-53页
        3.4.1 双密度双树复小波变换第49-52页
        3.4.2 双密度双树复小波变换的特点第52-53页
    3.5 融合准则第53-56页
    3.6 仿真实验及结果分析第56-62页
        3.6.1 不同多尺度分析方法融合结果分析第56-58页
        3.6.2 DD-DTCWT 域内不同融合准则融合结果分析第58-60页
        3.6.3 不同多尺度分析方法结合不同融合准则融合结果分析第60-62页
    3.7 本章小结第62-64页
第4章 基于 NSCT 与 PCNN 结合的图像融合技术第64-86页
    4.1 CONTOURLET 变换原理第64-65页
    4.2 非下采样轮廓波变换原理第65-73页
        4.2.1 非下采样轮廓波第65-68页
        4.2.2 非下采样滤波器组的设计与实现第68-73页
    4.3 NSCT 对图像的分析与重构第73-74页
    4.4 基于脉冲耦合神经网络的图像融合准则第74-79页
        4.4.1 脉冲耦合神经网络的基本原理及简化模型第74-76页
        4.4.2 图像的奇异值分解及特性第76-77页
        4.4.3 基于区域奇异值分解的 PCNN 图像融合准则第77-79页
    4.5 仿真实验及结果分析第79-85页
        4.5.1 不同多尺度分析方法融合结果分析第80-81页
        4.5.2 NSCT 域内不同融合准则融合结果分析第81-83页
        4.5.3 不同多尺度分析域内基于不同 PCNN 准则融合结果分析第83-85页
    4.6 本章小结第85-86页
第5章 基于 NSST 与质量评价参数结合的图像融合技术第86-108页
    5.1 剪切波理论第86-89页
    5.2 离散剪切波变换第89-95页
        5.2.1 剪切波变换的频域实现第90-94页
        5.2.2 剪切波变换的时域实现第94-95页
    5.3 NSST 对图像的分解与重构第95-97页
    5.4 基于质量评价参数的自适应图像融合准则第97-101页
        5.4.1 低频子带融合准则第98-100页
        5.4.2 高频子带融合准则第100-101页
    5.5 仿真实验及结果分析第101-107页
        5.5.1 不同多尺度分析方法融合结果分析第101-103页
        5.5.2 NSST 域内不同融合准则融合结果分析第103-105页
        5.5.3 不同多尺度融合技术融合结果分析第105-107页
    5.6 本章小结第107-108页
第6章 基于有限离散剪切波变换的图像融合技术第108-132页
    6.1 连续剪切波变换第108-109页
    6.2 剪切波锥面第109-112页
    6.3 尺度函数第112-114页
    6.4 剪切波的计算第114-119页
        6.4.1 有限离散剪切波第114-116页
        6.4.2 有限离散剪切波逆变换第116-117页
        6.4.3 FDST 对图像的分解与重构第117-119页
    6.5 图像融合准则第119-122页
        6.5.1 低频子带融合准则第120-121页
        6.5.2 高频子带融合准则第121-122页
    6.6 仿真实验及结果分析第122-130页
        6.6.1 传统融合准则在不同多尺度分析域内融合结果分析第122-124页
        6.6.2 FDST 域内不同融合准则融合结果分析第124-126页
        6.6.3 基于区域客观评价的多尺度融合技术融合结果分析第126-128页
        6.6.4 融合效率分析第128-130页
    6.7 本章小结第130-132页
第7章 总结与展望第132-136页
    7.1 工作总结第132-133页
    7.2 创新点第133页
    7.3 研究展望第133-136页
参考文献第136-144页
攻读博士学位期间发表的论文和成果第144-146页
致谢第146页

论文共146页,点击 下载论文
上一篇:鸭瘟病毒UL17蛋白与UL25蛋白、UL26.5蛋白的细胞共定位研究
下一篇:鸭瘟病毒UL19基因截段表达、蛋白纯化及抗体制备