| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-17页 |
| ·课题的研究背景和研究意义 | 第9-11页 |
| ·课题的研究现状 | 第11-14页 |
| ·图像融合的层次划分 | 第11-12页 |
| ·国内外研究现状 | 第12-14页 |
| ·研究内容与论文创新点 | 第14-15页 |
| ·研究目标 | 第14页 |
| ·主要内容与创新点 | 第14-15页 |
| ·论文的组织结构 | 第15-17页 |
| 第二章 图像融合方法及质量评价指标 | 第17-29页 |
| ·基于非多分辨率分析的图像融合方法 | 第17-18页 |
| ·基于空间域的图像融合方法 | 第17-18页 |
| ·基于分量替换的图像融合方法 | 第18页 |
| ·基于多分辨率分析的图像融合方法 | 第18-25页 |
| ·基于金字塔变换的图像融合方法 | 第18-19页 |
| ·基于小波变换的图像融合方法 | 第19页 |
| ·常用的多尺度几何分析工具 | 第19-24页 |
| ·基于多尺度几何分析的图像融合方法 | 第24-25页 |
| ·常用的融合质量评价指标 | 第25-28页 |
| ·无参考图像的评价指标 | 第25-27页 |
| ·有参考图像的评价指标 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 基于 Contourlet 域上下文隐马尔科夫模型和改进的脉冲耦合神经网络的医学图像融合方法 | 第29-45页 |
| ·Contourlet 域系数边缘统计模型 | 第29-31页 |
| ·广义高斯模型 GGD | 第30页 |
| ·高斯混合模型 GMM | 第30-31页 |
| ·Contourlet 域系数联合统计模型 | 第31-32页 |
| ·Contourlet 域系数间的相关性 | 第31页 |
| ·Contourlet 域隐马尔科夫树模型 C-HMT | 第31-32页 |
| ·Contourlet 域上下文隐马尔科夫模型 C-CHMM | 第32-36页 |
| ·优化的 EM 算法估计模型参数 | 第33-34页 |
| ·上下文设计方案及其改进 | 第34-36页 |
| ·改进的脉冲耦合神经网络 M-PCNN | 第36-38页 |
| ·基于 C-CHMM 和 M-PCNN 的融合方法 | 第38-39页 |
| ·实验结果与分析 | 第39-44页 |
| ·本章小结 | 第44-45页 |
| 第四章 基于 SFLCT-CHMM 和 IDPCNN 的多聚焦噪声图像融合方法 | 第45-57页 |
| ·常用的图像去噪方法 | 第45-47页 |
| ·传统的图像去噪方法 | 第45-46页 |
| ·基于统计模型的图像去噪方法 | 第46-47页 |
| ·SFLCT 域上下文隐马尔科夫模型 SFLCT-CHMM | 第47-51页 |
| ·SFLCT-CHMM 模型的建立 | 第47-48页 |
| ·循环平移 CS 技术 | 第48页 |
| ·基于 CS 和 SFLCT-CHMM 相结合的图像去噪方法 | 第48-49页 |
| ·去噪结果与分析 | 第49-51页 |
| ·多聚焦噪声图像融合方法 | 第51-56页 |
| ·改进的双通道脉冲耦合神经网络 IDPCNN | 第51-53页 |
| ·基于 IDPCNN 的噪声图像融合方法 | 第53-54页 |
| ·实验结果与分析 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 第五章 总结与展望 | 第57-59页 |
| ·本文工作总结 | 第57-58页 |
| ·未来研究展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 附录1：作者在攻读硕士学位期间发表的论文 | 第63-64页 |
| 附录2：作者在攻读硕士学位期间申请的专利 | 第64页 |
