基于效果反馈的多模图像融合与跟踪算法研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.3 本文主要内容和章节安排 | 第15-17页 |
| 第二章 基于效果评估的多模图像区域级反馈融合算法 | 第17-29页 |
| 2.1 引言 | 第17页 |
| 2.2 图像融合基本理论 | 第17-21页 |
| 2.2.1 图像融合层次划分 | 第17-18页 |
| 2.2.2 典型图像融合方法 | 第18-19页 |
| 2.2.3 融合效果评估指标 | 第19-21页 |
| 2.3 基于效果评估的区域级反馈融合算法 | 第21-26页 |
| 2.3.1 算法总体框架 | 第21-22页 |
| 2.3.2 基于多尺度分形的红外图像人造目标增强 | 第22-23页 |
| 2.3.3 非下采样轮廓波变换 | 第23-24页 |
| 2.3.4 低频部分融合规则 | 第24页 |
| 2.3.5 高频部分融合规则 | 第24-25页 |
| 2.3.6 基于遗传算法的低频融合系数优化 | 第25-26页 |
| 2.4 实验结果分析 | 第26-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 基于模型互更新的多模图像融合跟踪算法 | 第29-38页 |
| 3.1 引言 | 第29页 |
| 3.2 典型视觉跟踪方法 | 第29-32页 |
| 3.3 基于模型互更新的多模图像跟踪算法 | 第32-35页 |
| 3.3.1 多模图像融合跟踪算法框架 | 第33页 |
| 3.3.2 特征提取 | 第33-34页 |
| 3.3.3 分类器设计与置信度计算 | 第34-35页 |
| 3.3.4 似然图像融合与模型互更新策略设计 | 第35页 |
| 3.4 实验结果分析 | 第35-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 基于实测数据的图像融合及融合跟踪算法实验 | 第38-49页 |
| 4.1 引言 | 第38页 |
| 4.2 多模视频监控站介绍 | 第38-40页 |
| 4.3 实测数据预处理 | 第40-42页 |
| 4.3.1 图像去噪 | 第40页 |
| 4.3.2 图像配准 | 第40-42页 |
| 4.4 图像融合算法实验 | 第42-45页 |
| 4.5 融合跟踪算法实验 | 第45-48页 |
| 4.6 本章小结 | 第48-49页 |
| 第五章 总结与展望 | 第49-52页 |
| 5.1 总结 | 第49-50页 |
| 5.2 展望 | 第50-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-58页 |
| 附录 | 第58页 |
