基于保边滤波与深度学习的多聚焦图像融合算法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 课题研究背景与意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 本文研究内容与结构安排 | 第12-13页 |
| 第2章 多聚焦图像融合 | 第13-29页 |
| 2.1 多聚焦图像融合的原理 | 第13-15页 |
| 2.1.1 多聚焦图像融合的实现 | 第13-14页 |
| 2.1.2 多聚焦图像融合层次 | 第14-15页 |
| 2.2 像素级多聚焦图像融合方法 | 第15-25页 |
| 2.2.1 变换域多聚焦图像融合方法 | 第15-20页 |
| 2.2.2 空间域图像融合方法 | 第20-25页 |
| 2.3 融合图像质量评价 | 第25-27页 |
| 2.3.1 主观评价 | 第25-26页 |
| 2.3.2 客观评价 | 第26-27页 |
| 2.4 本章小结 | 第27-29页 |
| 第3章 基于SMML与导向滤波的多聚焦融合 | 第29-43页 |
| 3.1 焦点检测 | 第29-31页 |
| 3.1.1 图像梯度能量算法 | 第30页 |
| 3.1.2 空间频率算法 | 第30页 |
| 3.1.3 拉普拉斯能量算法 | 第30页 |
| 3.1.4 拉普拉斯能量和算法 | 第30-31页 |
| 3.2 焦点检测方法改进 | 第31-33页 |
| 3.3 融合规则 | 第33-36页 |
| 3.3.1 初始分割 | 第33-34页 |
| 3.3.2 一致性校验 | 第34-36页 |
| 3.3.3 融合 | 第36页 |
| 3.4 实验结果与分析 | 第36-42页 |
| 3.4.1 主观分析 | 第37-40页 |
| 3.4.2 客观评估 | 第40-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第4章 基于深度学习的多聚焦图像融合 | 第43-61页 |
| 4.1 卷积神经网络 | 第43-48页 |
| 4.1.1 卷积神经网络发展简史 | 第43-44页 |
| 4.1.2 卷积神经网络结构 | 第44-48页 |
| 4.2 卷积神经网络结构设计 | 第48-50页 |
| 4.3 数据集制作及模型训练 | 第50-54页 |
| 4.3.1 数据集制作 | 第50-52页 |
| 4.3.2 模型训练 | 第52-54页 |
| 4.4 融合规则 | 第54-56页 |
| 4.4.1 聚焦检测 | 第54-55页 |
| 4.4.2 一致性校验 | 第55-56页 |
| 4.4.3 融合 | 第56页 |
| 4.5 实验结果与分析 | 第56-60页 |
| 4.5.1 主观分析 | 第56-59页 |
| 4.5.2 客观评估 | 第59-60页 |
| 4.6 本章小结 | 第60-61页 |
| 第5章 总结与展望 | 第61-62页 |
| 5.1 本文总结 | 第61页 |
| 5.2 不足与展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
