| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第7-16页 |
| 1.1 研究背景及意义 | 第7-8页 |
| 1.2 图像融合研究现状 | 第8-13页 |
| 1.2.1 基于空域法的图像融合 | 第9页 |
| 1.2.2 基于变换域法的图像融合 | 第9-12页 |
| 1.2.3 基于人工神经网络的图像融合方法 | 第12-13页 |
| 1.3 本文研究内容 | 第13-14页 |
| 1.4 本文结构安排 | 第14-16页 |
| 第二章 图像融合的基础理论 | 第16-27页 |
| 2.1 非下采样轮廓波变换(NSCT) | 第16-18页 |
| 2.1.1 NSCT的结构 | 第16-17页 |
| 2.1.2 NSPFB的结构 | 第17页 |
| 2.1.3 NSDFB的结构 | 第17-18页 |
| 2.2 稀疏表示 | 第18-23页 |
| 2.2.1 稀疏表示模型 | 第18-19页 |
| 2.2.2 稀疏求解算法 | 第19-21页 |
| 2.2.3 字典学习算法 | 第21-23页 |
| 2.3 脉冲耦合神经网络 | 第23-27页 |
| 2.3.1 PCNN的基本模型 | 第23-24页 |
| 2.3.2 PCNN的运行方式 | 第24-25页 |
| 2.3.3 PCNN的基本特性 | 第25-27页 |
| 第三章 基于稀疏表示和NSCT-PCNN的图像融合 | 第27-41页 |
| 3.1 NSCT变换和稀疏表示的互补特性分析 | 第27-29页 |
| 3.1.1 基于NSCT变换图像融合的不足 | 第27-28页 |
| 3.1.2 基于稀疏表示图像融合的不足 | 第28-29页 |
| 3.2 基于NSCT-SR-PCNN的图像融合算法的实现 | 第29-33页 |
| 3.2.1 低频子带系数融合规则 | 第30-31页 |
| 3.2.2 高频子带系数融合规则 | 第31-33页 |
| 3.3 实验结构与分析 | 第33-41页 |
| 3.3.1 客观质量评价指标的选定 | 第34页 |
| 3.3.2 多聚焦图像融合实验与分析 | 第34-36页 |
| 3.3.3 红外线/可见光图像融合实验与分析 | 第36-38页 |
| 3.3.4 医学图像融合实验与分析 | 第38-41页 |
| 第四章 基于卷积稀疏表示和NSCT-PCNN的图像融合 | 第41-56页 |
| 4.1 卷积稀疏表示 | 第41-44页 |
| 4.1.1 卷积稀疏表示模型 | 第41-42页 |
| 4.1.2 交替方向乘子法(ADMM)算法 | 第42-44页 |
| 4.2 基于NSCT-CSR-PCNN的图像融合算法的实现 | 第44-47页 |
| 4.2.1 NSCT域低频子图二尺度分解 | 第45页 |
| 4.2.2 低频子图细节层的融合 | 第45-46页 |
| 4.2.3 低频子图基础层的融合 | 第46-47页 |
| 4.2.4 NSCT域低频子图二尺度逆分解 | 第47页 |
| 4.3 实验结果与分析 | 第47-56页 |
| 4.3.1 多聚焦图像实验结果与分析 | 第47-50页 |
| 4.3.2 红外线/可见光图像实验结果与分析 | 第50-53页 |
| 4.3.3 医学图像融合实验与分析 | 第53-56页 |
| 第五章 总结与展望 | 第56-58页 |
| 5.1 总结 | 第56-57页 |
| 5.2 展望 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 作者简介 | 第64页 |
