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

基于稀疏表示图像融合算法的研究及应用

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

论文共64页,点击 下载论文
上一篇:基于有限混合模型和局部结构约束的非刚性点集配准算法研究及其应用
下一篇:基于模糊聚类的图像分割方法