| 中文摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-11页 |
| 1.1 图像融合的背景和意义 | 第8-9页 |
| 1.2 图像融合的层次 | 第9-10页 |
| 1.3 图像融合的种类 | 第10页 |
| 1.4 本文的主要工作 | 第10-11页 |
| 第二章 多聚焦图像融合 | 第11-20页 |
| 2.1 引言 | 第11-12页 |
| 2.2 多聚焦图像融合的方法 | 第12-15页 |
| 2.2.1 基于空间域的图像融合算法 | 第12-13页 |
| 2.2.2 基于多尺度变换域的图像融合算法 | 第13页 |
| 2.2.3 基于脉冲耦合神经网络的图像融合算法 | 第13-14页 |
| 2.2.4 基于随机游走的图像融合算法 | 第14-15页 |
| 2.2.5 其他图像融合算法 | 第15页 |
| 2.3 多聚焦图像融合的评价方法 | 第15-19页 |
| 2.3.1 主观评价 | 第15页 |
| 2.3.2 客观评价 | 第15-19页 |
| 2.4 本章小结 | 第19-20页 |
| 第三章 基于脉冲耦合神经网络和引导滤波器的图像融合 | 第20-35页 |
| 3.1 PCNN | 第20-22页 |
| 3.1.1 PCNN的经典模型 | 第20-21页 |
| 3.1.2 本算法中使用的PCNN改进模型 | 第21-22页 |
| 3.2 引导滤波器 | 第22-23页 |
| 3.3 算法描述 | 第23-25页 |
| 3.3.1 预处理 | 第23-24页 |
| 3.3.2 融合映射图 | 第24-25页 |
| 3.3.3 选取规则 | 第25页 |
| 3.4 算法的仿真结果与分析 | 第25-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第四章 基于脉冲耦合神经网络和随机游走的图像融合 | 第35-58页 |
| 4.1 随机游走模型 | 第35-41页 |
| 4.1.1 原始的随机游走模型 | 第35-38页 |
| 4.1.2 自启动随机游走模型 | 第38-41页 |
| 4.2 改进的PCNN模型 | 第41-42页 |
| 4.3 算法描述 | 第42-45页 |
| 4.3.1 清晰度的测量 | 第42-43页 |
| 4.3.2 基于SLRW的融合规则 | 第43-45页 |
| 4.4 算法的仿真结果与分析 | 第45-57页 |
| 4.4.1 参数设置 | 第45-46页 |
| 4.4.2 性能评测 | 第46-56页 |
| 4.4.3 随机游走融合算法的应用 | 第56-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第五章 总结与展望 | 第58-59页 |
| 5.1 本文总结 | 第58页 |
| 5.2 工作展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 在学期间的研究成果 | 第62-63页 |
| 致谢 | 第63页 |