| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 研究背景及意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 图像融合层次划分 | 第14-16页 |
| 1.4 论文内容及章节安排 | 第16-18页 |
| 第2章 红外与可见光图像融合算法研究 | 第18-44页 |
| 2.1 图像融合算法 | 第18-27页 |
| 2.1.1 基于空间域的图像融合 | 第18-22页 |
| 2.1.2 基于变换域的图像融合 | 第22-27页 |
| 2.2 Contourlet变换的基本原理 | 第27-33页 |
| 2.2.1 拉普拉斯金字塔变换 | 第28-30页 |
| 2.2.2 方向滤波器 | 第30-33页 |
| 2.3 非下采样Contourlet变换基本原理 | 第33-38页 |
| 2.3.1 非下采样金字塔 | 第34-36页 |
| 2.3.2 非下采样方向滤波器 | 第36-38页 |
| 2.3.3 非下采样Contourlet融合的基本流程 | 第38页 |
| 2.4 脉冲耦合神经网络 | 第38-43页 |
| 2.4.1 PCNN神经元模型 | 第39-41页 |
| 2.4.2 PCNN运行方式 | 第41-43页 |
| 2.5 本章小结 | 第43-44页 |
| 第3章 基于NSCT与PCNN的图像融合算法 | 第44-65页 |
| 3.1 基于NSCT与PCNN图像融合总体框架 | 第44-46页 |
| 3.2 红外图像对比度提升 | 第46-50页 |
| 3.2.1 分段线性灰度拉伸 | 第46-47页 |
| 3.2.2 最佳多阈值求取 | 第47-50页 |
| 3.3 NSCT图像融合处理 | 第50-52页 |
| 3.3.1 NSCT对图像的分解与重构 | 第51-52页 |
| 3.3.2 NSCT的融合过程 | 第52页 |
| 3.4 融合规则的制定 | 第52-64页 |
| 3.4.1 低频子带系数融合规则 | 第55-56页 |
| 3.4.2 高频方向子带系数融合规则 | 第56-64页 |
| 3.5 基于NSCT与PCNN的图像融合算法具体实现 | 第64页 |
| 3.6 本章小结 | 第64-65页 |
| 第4章 算法的仿真与验证 | 第65-72页 |
| 4.1 融合图像的评价指标 | 第65-67页 |
| 4.1.1 融合图像主观评价指标 | 第65页 |
| 4.1.2 融合图像客观评价指标 | 第65-67页 |
| 4.2 仿真实验结果与分析 | 第67-71页 |
| 4.3 本章小结 | 第71-72页 |
| 第5章 总结与展望 | 第72-74页 |
| 5.1 全文总结 | 第72-73页 |
| 5.2 未来展望 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78-79页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第79页 |