基于压缩感知的图像融合算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 压缩感知研究现状 | 第11-12页 |
| 1.2.2 图像融合现状 | 第12-13页 |
| 1.3 研究内容与创新点 | 第13-14页 |
| 1.4 论文的框架与安排 | 第14-15页 |
| 第2章 压缩感知和图像融合理论简介 | 第15-29页 |
| 2.1 引言 | 第15-16页 |
| 2.2 图像融合 | 第16-18页 |
| 2.2.1 变换域图像融合 | 第16-17页 |
| 2.2.2 空间域图像融合 | 第17-18页 |
| 2.3 基于压缩感知的图像融合 | 第18-25页 |
| 2.3.1 信号稀疏表示 | 第19页 |
| 2.3.2 观测矩阵设计 | 第19-20页 |
| 2.3.3 图像融合规则 | 第20-22页 |
| 2.3.4 压缩感知重构算法 | 第22-25页 |
| 2.4 图像融合质量评价 | 第25-28页 |
| 2.4.1 主观评价方法 | 第25-26页 |
| 2.4.2 客观评价方法 | 第26-28页 |
| 2.5 小结 | 第28-29页 |
| 第3章 基于联合稀疏表示的压缩感知图像融合 | 第29-37页 |
| 3.1 引言 | 第29页 |
| 3.2 联合稀疏表示 | 第29-31页 |
| 3.2.1 联合稀疏模型一 | 第30页 |
| 3.2.2 联合稀疏模型二 | 第30-31页 |
| 3.3 基于联合稀疏表示的压缩感知图像融合 | 第31-33页 |
| 3.3.1 K-SVD字典训练 | 第31-32页 |
| 3.3.2 基于联合稀疏表示的特征提取 | 第32页 |
| 3.3.3 观测矩阵 | 第32页 |
| 3.3.4 融合算法 | 第32-33页 |
| 3.4 实验结果与分析 | 第33-36页 |
| 3.5 小结 | 第36-37页 |
| 第4章 基于自相关函数测度的压缩感知图像融合 | 第37-49页 |
| 4.1 引言 | 第37页 |
| 4.2 多聚焦可见光图像成像特性 | 第37-39页 |
| 4.3 图像的自相关函数 | 第39-43页 |
| 4.3.1 图像的一维功率谱 | 第39-40页 |
| 4.3.2 自相关函数估计 | 第40-43页 |
| 4.3.3 自相关波峰宽度 | 第43页 |
| 4.4 基于自相关函数测度的多聚焦图像融合 | 第43-44页 |
| 4.4.1 采样模式 | 第43页 |
| 4.4.2 融合算法 | 第43-44页 |
| 4.4.3 算法实现策略 | 第44页 |
| 4.5 实验结果与分析 | 第44-48页 |
| 4.6 小结 | 第48-49页 |
| 第5章 自适应次梯度投影重构算法 | 第49-57页 |
| 5.1 引言 | 第49页 |
| 5.2 次梯度投影算法 | 第49-50页 |
| 5.3 改进的次梯度投影算法 | 第50-52页 |
| 5.4 实验结果与分析 | 第52-56页 |
| 5.4.1 压缩重构实验 | 第52-53页 |
| 5.4.2 算法稳定性的比较 | 第53-54页 |
| 5.4.3 不同稀疏度下算法性能比较 | 第54-55页 |
| 5.4.4 算法抗噪性比较 | 第55-56页 |
| 5.5 小结 | 第56-57页 |
| 第6章 总结与展望 | 第57-59页 |
| 6.1 本文工作总结 | 第57页 |
| 6.2 展望 | 第57-59页 |
| 参考文献 | 第59-65页 |
| 致谢 | 第65-66页 |
| 附录：研究生在读期间的研究成果 | 第66页 |
