| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 研究的背景和意义 | 第10-11页 |
| 1.2 图像融合技术的应用及发展 | 第11-13页 |
| 1.3 图形融合技术常用的方法 | 第13-17页 |
| 1.3.1 像素级图像融合方法 | 第13-16页 |
| 1.3.2 特征级图像融合方法 | 第16-17页 |
| 1.3.3 决策级图像融合方法 | 第17页 |
| 1.5 本文的主要内容 | 第17-20页 |
| 第二章 非下采样Contourlet变换的基本原理 | 第20-36页 |
| 2.1 contourlet变换 | 第21-26页 |
| 2.1.1 拉普拉斯金字塔变换的实现过程 | 第22-23页 |
| 2.1.2 方向滤波器组 | 第23-26页 |
| 2.2 非下采样Contourlet变换理论论述 | 第26-31页 |
| 2.2.1 非下采样Contourlet变换的结构 | 第26-28页 |
| 2.2.2 非下采样塔形滤波器组结构 | 第28-30页 |
| 2.2.3 非下采样方向滤波器组结构 | 第30-31页 |
| 2.3 非下采样Contourlet变换的图像处理 | 第31-34页 |
| 2.3.1 NSCT对图像的分解与重构 | 第31-33页 |
| 2.3.2 NSCT用于图像融合 | 第33-34页 |
| 2.4 本章小结 | 第34-36页 |
| 第三章 PCNN的基本原理与简化模型 | 第36-48页 |
| 3.1 脉冲耦合神经网络 | 第36-38页 |
| 3.2 PCNN神经元模型 | 第38-41页 |
| 3.2.1 接收域 | 第39-40页 |
| 3.2.2 调制域 | 第40页 |
| 3.2.3 脉冲发生部分 | 第40-41页 |
| 3.3 PCNN神经元的运行方式 | 第41-43页 |
| 3.4 PCNN的特性 | 第43-44页 |
| 3.5 PCNN简化模型 | 第44-46页 |
| 3.6 本章小结 | 第46-48页 |
| 第四章 结合NSCT和PCNN的图像融合算法 | 第48-56页 |
| 4.1 融合总体框架 | 第48-49页 |
| 4.2 低频子带系数融合规则 | 第49-50页 |
| 4.3 高频子带系数融合规则 | 第50-52页 |
| 4.4 图像融合的评价标准 | 第52-54页 |
| 4.4.1 主观评价方法 | 第52-53页 |
| 4.4.2 客观评价方法 | 第53-54页 |
| 4.5 本章小结 | 第54-56页 |
| 第五章 融合的实验与结果 | 第56-64页 |
| 5.1 多聚焦融合实验 | 第56-59页 |
| 5.1.1 多聚焦融合主观评价 | 第58页 |
| 5.1.2 多聚焦融合客观评价 | 第58-59页 |
| 5.2 红外与可见光融合实验 | 第59-62页 |
| 5.2.1 红外与可见光融合实验主观评价 | 第61-62页 |
| 5.2.2 红外与可见光融合实验主观评价 | 第62页 |
| 5.3 实验结果分析 | 第62-63页 |
| 5.4 本章小结 | 第63-64页 |
| 第六章 总结与展望 | 第64-66页 |
| 6.1 全文工作总结 | 第64-65页 |
| 6.2 工作展望 | 第65-66页 |
| 参考文献 | 第66-74页 |
| 致谢 | 第74-76页 |
| 攻读硕士学位期间发表的论文 | 第76页 |
