多源图像的特征融合方法研究
| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第1章 绪论 | 第12-20页 |
| ·研究的背景和意义 | 第12-14页 |
| ·信息融合 | 第12-13页 |
| ·多源图像融合 | 第13-14页 |
| ·国内外研究现状 | 第14-16页 |
| ·图像融合算法理论的发展现状 | 第14-15页 |
| ·图像融合应用研究的发展现状 | 第15-16页 |
| ·图像融合的层次划分 | 第16-19页 |
| ·像素级图像融合 | 第16页 |
| ·特征级图像融合 | 第16-17页 |
| ·决策级图像融合 | 第17-19页 |
| ·本文的主要内容和章节安排 | 第19-20页 |
| 第2章 红外与可见光图像的特征融合 | 第20-32页 |
| ·红外与可见光图像融合的意义 | 第20-21页 |
| ·目标特征的提取方法 | 第21-27页 |
| ·灰度共生矩阵 | 第21-22页 |
| ·Hu 不变矩 | 第22-24页 |
| ·仿射不变矩 | 第24-25页 |
| ·小波不变矩 | 第25页 |
| ·Zernike 不变矩 | 第25-27页 |
| ·图像融合中的分类与决策 | 第27-28页 |
| ·本文特征级融合的步骤 | 第28-31页 |
| ·本章小结 | 第31-32页 |
| 第3章 基于独立分量分析的特征融合方法 | 第32-49页 |
| ·独立分量分析的定义 | 第32-33页 |
| ·随机变量的独立性概念 | 第33-34页 |
| ·ICA 独立性的度量 | 第34-38页 |
| ·非高斯性 | 第34-37页 |
| ·互信息 | 第37-38页 |
| ·快速固定点 ICA 算法 | 第38-40页 |
| ·基于独立分量分析的图像特征级融合实现 | 第40-42页 |
| ·独立分量分析的预处理 | 第40-42页 |
| ·特征融合 | 第42页 |
| ·实验结果与分析 | 第42-48页 |
| ·本章小结 | 第48-49页 |
| 第4章 基于主成分分析的特征融合方法 | 第49-60页 |
| ·主成分分析的定义 | 第49-50页 |
| ·主成分分析的基本思想 | 第50-53页 |
| ·主成分分析的数学模型 | 第50-51页 |
| ·主成分分析的几何意义 | 第51-53页 |
| ·主成分的推导 | 第53-55页 |
| ·主成分分析的计算步骤 | 第55-57页 |
| ·基于主成分分析的图像特征级融合实现 | 第57-58页 |
| ·目标特征的提取 | 第57页 |
| ·特征融合 | 第57-58页 |
| ·实验结果与分析 | 第58-59页 |
| ·本章小结 | 第59-60页 |
| 第5章 对典型相关分析特征融合方法的改进 | 第60-74页 |
| ·典型相关分析的基本思想 | 第60-61页 |
| ·典型相关分析的基本原理 | 第61-67页 |
| ·典型相关分析的数学描述 | 第61-62页 |
| ·典型相关的定义及导出 | 第62-65页 |
| ·典型相关分析的基本性质 | 第65-67页 |
| ·典型相关变量和相关系数的求解步骤 | 第67-68页 |
| ·基于典型相关分析改进算法的图像特征级融合实现 | 第68-70页 |
| ·改进算法的关键技术 | 第68-69页 |
| ·特征融合过程 | 第69-70页 |
| ·实验结果与分析 | 第70-73页 |
| ·本章小结 | 第73-74页 |
| 结论 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 攻读硕士学位期间发表的论文和获得的科研成果 | 第79-80页 |
| 致谢 | 第80-81页 |
