| 摘要 | 第7-9页 |
| abstract | 第9-10页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 选题背景及研究意义 | 第11-12页 |
| 1.2 图像融合方法国内外研究现状 | 第12-15页 |
| 1.3 图像融合质量评价 | 第15-17页 |
| 1.3.1 主观评价 | 第15页 |
| 1.3.2 客观评价 | 第15-17页 |
| 1.4 本文研究内容与结构安排 | 第17-19页 |
| 第2章 神经计算在图像融合领域的应用 | 第19-31页 |
| 2.1 BP神经网络 | 第19-20页 |
| 2.2 极限学习机 | 第20-23页 |
| 2.3 脉冲耦合神经网络 | 第23-27页 |
| 2.4 卷积神经网络 | 第27-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第3章 基于ELM与人眼视觉系统的多聚焦图像融合 | 第31-46页 |
| 3.1 概述 | 第31-32页 |
| 3.2 特征提取 | 第32-34页 |
| 3.3 基于ELM与HVS的图像融合 | 第34-40页 |
| 3.3.1 极限学习机模型建立 | 第34-36页 |
| 3.3.2 初始融合 | 第36-37页 |
| 3.3.3 最终融合 | 第37-40页 |
| 3.4 实验结果与分析 | 第40-44页 |
| 3.4.1 实验数据及设置 | 第40页 |
| 3.4.2 实验结果及性能分析 | 第40-44页 |
| 3.5 本章小结 | 第44-46页 |
| 第4章 基于RSR和自适应PCNN的多聚焦图像融合 | 第46-63页 |
| 4.1 概述 | 第46-47页 |
| 4.2 鲁棒稀疏表示 | 第47-48页 |
| 4.3 基于RSR和PCNN的图像融合 | 第48-54页 |
| 4.3.1 基于RSR的图像分解 | 第49-50页 |
| 4.3.2 初始融合决策图 | 第50-52页 |
| 4.3.3 最终融合决策图 | 第52-53页 |
| 4.3.4 融合源图像 | 第53-54页 |
| 4.4 实验结果与分析 | 第54-62页 |
| 4.4.1 实验数据及设置 | 第54-57页 |
| 4.4.2 实验结果及性能分析 | 第57-62页 |
| 4.5 本章小结 | 第62-63页 |
| 第5章 总结与展望 | 第63-65页 |
| 5.1 论文工作总结 | 第63-64页 |
| 5.2 研究展望 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 攻读硕士研究生期间科研成果 | 第70-71页 |
| 致谢 | 第71-72页 |