| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-10页 |
| 插图索引 | 第10-11页 |
| 附表索引 | 第11-12页 |
| 第1章 绪论 | 第12-20页 |
| ·研究背景和意义 | 第12-14页 |
| ·可见光图像融合背景和意义 | 第13页 |
| ·红外和可见光图像融合背景和意义 | 第13-14页 |
| ·国内外研究现状 | 第14-16页 |
| ·国外研究现状 | 第14-15页 |
| ·国内研究现状 | 第15-16页 |
| ·图像融合算法综述 | 第16-18页 |
| ·像素级图像融合算法综述 | 第16-18页 |
| ·特征级图像融合算法综述 | 第18页 |
| ·本文的主要工作 | 第18-19页 |
| ·本文的结构 | 第19-20页 |
| 第2章 图像融合相关理论 | 第20-37页 |
| ·图像融合的基本知识 | 第20-27页 |
| ·图像融合的层次 | 第20-23页 |
| ·图像的评价标准 | 第23-27页 |
| ·特征级图像融合的基本方法 | 第27-28页 |
| ·支持向量机 | 第28-32页 |
| ·线性可分 | 第28-30页 |
| ·线性不可分 | 第30-32页 |
| ·核函数 | 第32页 |
| ·压缩传感 | 第32-36页 |
| ·压缩传感器理论 | 第32-34页 |
| ·信号的稀疏表示 | 第34页 |
| ·观测矩阵 | 第34-35页 |
| ·重建算法 | 第35-36页 |
| ·小结 | 第36-37页 |
| 第3章 基于 PSO 优化 SVM 参数的图像融合算法 | 第37-50页 |
| ·SVM 模型 | 第38页 |
| ·基于 PSO 的 SVM 参数优化算法 | 第38-42页 |
| ·PSO 算法 | 第38-39页 |
| ·自适应惯性因子设计 | 第39-40页 |
| ·改进的 PSO 优化 SVM 参数算法 | 第40-42页 |
| ·图像融合算法 | 第42-45页 |
| ·基本融合算法 | 第42-43页 |
| ·特征提取 | 第43-45页 |
| ·实验仿真及结果分析 | 第45-48页 |
| ·实验内容 | 第45页 |
| ·PSO 优化 SVM 参数的实验仿真及分析 | 第45-47页 |
| ·特征级图像融合实验仿真及分析 | 第47-48页 |
| ·小结 | 第48-50页 |
| 第4章 基于 NSCT 和 CS 的多源图像融合算法 | 第50-61页 |
| ·非下样 Contourlet 变换 | 第51-52页 |
| ·压缩感知重建算法 | 第52-53页 |
| ·图像融合算法 | 第53-56页 |
| ·低频子带系数融合规则 | 第54-55页 |
| ·带通方向子带系数融合规则设计 | 第55-56页 |
| ·实验仿真及结果分析 | 第56-60页 |
| ·实验内容 | 第56-57页 |
| ·重建算法实验仿真及分析 | 第57-58页 |
| ·图像融合实验仿真及分析 | 第58-60页 |
| ·小结 | 第60-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-69页 |
| 附录A 攻读硕士学位期间所发表的学术论文目录 | 第69-70页 |
| 致谢 | 第70页 |