| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-17页 |
| 1.2.1 图像融合的研究现状 | 第12-15页 |
| 1.2.2 图像超分辨率的研究现状 | 第15-17页 |
| 1.3 论文主要内容和主要创新点 | 第17-18页 |
| 1.4 论文组织结构 | 第18-21页 |
| 第2章 卷积神经网络理论 | 第21-33页 |
| 2.1 卷积神经网络发展历程 | 第21-22页 |
| 2.2 卷积神经网络基本结构 | 第22-26页 |
| 2.2.1 卷积层 | 第23-24页 |
| 2.2.2 采样层 | 第24-25页 |
| 2.2.3 全连接层 | 第25-26页 |
| 2.3 卷积神经网络的训练过程 | 第26-30页 |
| 2.3.1 训练方法 | 第26-27页 |
| 2.3.2 多种学习框架 | 第27-30页 |
| 2.4 基于卷积神经网络的超分辨率处理 | 第30-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第3章 基于卷积神经网络超分辨率处理的遥感图像融合 | 第33-47页 |
| 3.1 遥感融合传统方法 | 第33-34页 |
| 3.2 基于卷积神经网络超分辨率处理的遥感图像融合算法 | 第34-35页 |
| 3.3 多光谱图像的超分辨率处理 | 第35-37页 |
| 3.4 实验结果与分析 | 第37-46页 |
| 3.4.1 图像融合评价指标 | 第37-39页 |
| 3.4.2 图像融合分析 | 第39-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第4章 基于卷积神经网络的频域超分辨率处理 | 第47-53页 |
| 4.1 卷积神经网络频域超分辨率处理模型 | 第47-49页 |
| 4.2 卷积神经网络频域超分辨率模型训练 | 第49-51页 |
| 4.2.1 样本预处理 | 第49页 |
| 4.2.2 Caffe平台的搭建 | 第49-50页 |
| 4.2.3 网络训练 | 第50-51页 |
| 4.3 本章小结 | 第51-53页 |
| 第5章 基于多尺度卷积神经网络的图像融合 | 第53-63页 |
| 5.1 现有基于多尺度变换图像融合方法 | 第53-54页 |
| 5.2 基于多尺度卷积神经网络的图像融合算法 | 第54-55页 |
| 5.3 实验仿真与性能分析 | 第55-58页 |
| 5.3.1 参数设置 | 第55页 |
| 5.3.2 实验结果和分析 | 第55-58页 |
| 5.4 网络的通用性 | 第58-60页 |
| 5.4.1 近红外与可见光图像融合 | 第58页 |
| 5.4.2 医学图像融合 | 第58-60页 |
| 5.5 本章小结 | 第60-63页 |
| 第6章 总结和展望 | 第63-67页 |
| 6.1 本文工作总结 | 第63-64页 |
| 6.2 今后工作展望 | 第64-67页 |
| 参考文献 | 第67-73页 |
| 附录 常用专业词汇中英文全称及缩写对照表 | 第73-75页 |
| 作者攻读学位期间的科研成果 | 第75-77页 |
| 致谢 | 第77页 |