首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于稀疏表示的图像融合方法研究

中文摘要第3-4页
英文摘要第4-5页
1 绪论第8-14页
    1.1 研究意义与背景第8-9页
    1.2 稀疏表示及图像融合的研究现状第9-12页
        1.2.1 稀疏表示研究现状第9-11页
        1.2.2 图像融合研究现状第11-12页
    1.3 主要工作第12-13页
    1.4 论文的内容安排第13页
    1.5 本章小结第13-14页
2 稀疏表示理论和图像融合技术第14-22页
    2.1 稀疏表示理论第14-17页
        2.1.1 稀疏表示基本原理第14-15页
        2.1.2 稀疏重构算法第15-17页
    2.2 图像融合理论及主要融合算法第17-21页
        2.2.1 基于PCA变换的图像融合第18-19页
        2.2.2 基于小波变换的图像融合第19-20页
        2.2.3 基于多尺度几何分析的图像融合第20-21页
    2.3 本章小结第21-22页
3 基于字典学习的图像融合第22-37页
    3.1 MOD字典训练第22-24页
    3.2 K-SVD字典训练第24-26页
    3.3 SAE字典训练第26-27页
    3.4 基于字典学习的图像融合第27-36页
        3.4.1 特征提取第27-29页
        3.4.2 融合规则第29-30页
        3.4.3 结果仿真和分析第30-36页
    3.5 本章小结第36-37页
4 基于卡通纹理稀疏分解的图像融合算法研究第37-54页
    4.1 图像卡通纹理分解第37-39页
        4.1.1 基于变分的卡通纹理分解模型第37-38页
        4.1.2 基于稀疏表示的卡通纹理分解模型第38-39页
    4.2 基于图像卡通纹理稀疏分解的图像融合第39-52页
        4.2.1 基于MCA-TV的卡通纹理分解第40-42页
        4.2.2 融合规则设计第42-44页
        4.2.3 仿真结果及分析第44-52页
    4.3 本章小结第52-54页
5 总结与展望第54-57页
    5.1 总结第54-55页
    5.2 展望第55-57页
致谢第57-58页
参考文献第58-64页
附录第64页
    A. 作者在攻读学位期间发表的论文及专利目录:第64页
    B. 作者在攻读学位期间取得的科研成果目录:第64页

论文共64页,点击 下载论文
上一篇:基于单层稀疏自编码和支持向量机的场景分类
下一篇:IETM中过程数据模块的研究与实现