| 致谢 | 第3-4页 |
| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 1 绪论 | 第15-21页 |
| 1.1 课题来源 | 第15页 |
| 1.2 研究背景及意义 | 第15-18页 |
| 1.3 国内外研究现状 | 第18-20页 |
| 1.4 论文研究内容及结构组织 | 第20-21页 |
| 2 基础理论 | 第21-33页 |
| 2.1 多尺度图像融合方法 | 第21-25页 |
| 2.2 脉冲耦合神经网络 | 第25-31页 |
| 2.3 脉冲耦合神经网络用于图像融合原理 | 第31-32页 |
| 2.4 本章小结 | 第32-33页 |
| 3 基于PCNN和非下采样Contourlet变换图像融合 | 第33-51页 |
| 3.1 非下采样Contourlet变换模型 | 第33-35页 |
| 3.2 遗传算法优化自适应NSCT-PCNN图像融合 | 第35-43页 |
| 3.3 基于图像梯度激励NSCT-PCNN图像融合 | 第43-50页 |
| 3.4 本章小结 | 第50-51页 |
| 4 结合PCNN和压缩感知的二维经验模态分解图像融合 | 第51-64页 |
| 4.1 二维经验模态分解模型 | 第51-54页 |
| 4.2 压缩感知理论 | 第54-55页 |
| 4.3 结合PCNN和压缩感知的二维经验模态分解图像融合 | 第55-59页 |
| 4.4 实验分析 | 第59-63页 |
| 4.5 本章小结 | 第63-64页 |
| 5 总结与展望 | 第64-67页 |
| 5.1 总结 | 第64-65页 |
| 5.2 展望 | 第65-67页 |
| 参考文献 | 第67-77页 |
| 作者简历 | 第77-81页 |
| 学位论文数据集 | 第81页 |
