基于统计模型的多尺度图像融合算法研究及应用
| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究工作的背景与意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 本文的研究内容及目标 | 第15-16页 |
| 1.4 本文的结构安排 | 第16-18页 |
| 第二章 变换域图像融合方法概述 | 第18-28页 |
| 2.1 引言 | 第18页 |
| 2.2 变换域图像融合算法概述 | 第18-25页 |
| 2.2.1 简单的融合算法 | 第19页 |
| 2.2.2 IHS空间图像融合方法 | 第19-20页 |
| 2.2.3 主成分分析图像融合方法 | 第20页 |
| 2.2.4 基于金字塔变换的融合算法 | 第20-22页 |
| 2.2.5 基于小波变换的融合方法 | 第22-25页 |
| 2.3 融合评价方法 | 第25-27页 |
| 2.3.1 主观评价 | 第25页 |
| 2.3.2 客观评价 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 小波系数统计与建模 | 第28-39页 |
| 3.1 引言 | 第28-29页 |
| 3.2 小波边缘特性与建模 | 第29-33页 |
| 3.3 小波联合特性与建模 | 第33-37页 |
| 3.4 基于分布的信息论参量 | 第37-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第四章 基于统计模型的融合算法 | 第39-56页 |
| 4.1 低频子带的融合 | 第39-40页 |
| 4.2 高频子带融合方法 | 第40-50页 |
| 4.2.1 高频子带融合框架 | 第40-41页 |
| 4.2.2 基于异源联合分布的匹配度 | 第41-46页 |
| 4.2.3 基于边缘分布的显著度 | 第46-50页 |
| 4.3 基于联合与边缘分布的融合方法 | 第50-55页 |
| 4.3.1 基于统计模型的融合算法描述 | 第50-51页 |
| 4.3.2 实验结果与分析 | 第51-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第五章 基于统计模型的鲁棒融合算法 | 第56-74页 |
| 5.1 基于联合分布去噪算法 | 第56-63页 |
| 5.1.1 各向同性双变量收缩去噪 | 第57-58页 |
| 5.1.2 各向异性双变量收缩去噪 | 第58-60页 |
| 5.1.3 实验结果与分析 | 第60-63页 |
| 5.2 融合与去噪结合 | 第63-66页 |
| 5.2.1 基于参数估计的结合 | 第63-64页 |
| 5.2.2 基于融合规则的结合 | 第64-66页 |
| 5.3 基于统计模型的鲁棒融合方法 | 第66-72页 |
| 5.3.1 基于统计模型的鲁棒融合算法描述 | 第66-70页 |
| 5.3.2 实验结果分析 | 第70-72页 |
| 5.4 本章小结 | 第72-74页 |
| 第六章 总结与展望 | 第74-76页 |
| 6.1 全文总结 | 第74-75页 |
| 6.2 未来工作展望 | 第75-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-82页 |
| 攻读硕士学位期间取得的成果 | 第82-83页 |
