基于信号分解和分类器的多聚焦图像融合算法
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 课题研究的背景与意义 | 第11-14页 |
| 1.2 国内外研究现状 | 第14-15页 |
| 1.3 本文的主要工作 | 第15-17页 |
| 1.4 论文的组织结构 | 第17-18页 |
| 第2章 相关知识 | 第18-28页 |
| 2.1 多聚焦图像融合 | 第18页 |
| 2.2 多聚焦图像融合的原理 | 第18-21页 |
| 2.2.1 多聚焦图像融合的实现 | 第18-19页 |
| 2.2.2 多聚焦图像融合的分类 | 第19-21页 |
| 2.3 形态成分分析 | 第21-24页 |
| 2.3.1 形态成分分析的原理 | 第21-22页 |
| 2.3.2 MCA在图像领域的应用 | 第22-24页 |
| 2.4 支持向量机 | 第24-27页 |
| 2.4.1 支持向量机的原理 | 第24-26页 |
| 2.4.2 支持向量机的优势及应用 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 基于多级形态成分分析的加权融合算法 | 第28-50页 |
| 3.1 多级形态成分分析 | 第28-37页 |
| 3.1.1 改进动机 | 第28-29页 |
| 3.1.2 MMCA的实现及算法 | 第29-33页 |
| 3.1.3 实验 | 第33-37页 |
| 3.2 基于多级形态成分分析的加权图像融合 | 第37-42页 |
| 3.2.1 算法综述 | 第37-38页 |
| 3.2.2 FWMMCA算法实现 | 第38-42页 |
| 3.3 实验 | 第42-49页 |
| 3.3.1 实验设置 | 第42-43页 |
| 3.3.2 评价标准的选取 | 第43-46页 |
| 3.3.3 实验结果及分析 | 第46-49页 |
| 3.4 本章小结 | 第49-50页 |
| 第4章 基于MMCA和SVM的多聚焦图像融合 | 第50-69页 |
| 4.1 引言 | 第50页 |
| 4.2 算法综述 | 第50-52页 |
| 4.3 算法的相关优化 | 第52-59页 |
| 4.3.1 支持向量机的使用 | 第52-53页 |
| 4.3.2 取样方案 | 第53-59页 |
| 4.4 融合规则 | 第59-61页 |
| 4.4.1 纹理层融合规则 | 第59-60页 |
| 4.4.2 平滑层融合规则 | 第60-61页 |
| 4.5 实验结果与分析 | 第61-67页 |
| 4.5.1 实验设置 | 第61-62页 |
| 4.5.2 实验结果及对比分析 | 第62-67页 |
| 4.6 本章小结 | 第67-69页 |
| 第5章 总结与展望 | 第69-71页 |
| 5.1 主要工作与成果 | 第69-70页 |
| 5.2 不足与展望 | 第70-71页 |
| 参考文献 | 第71-76页 |
| 作者简介及在校科研成果 | 第76-77页 |
| 致谢 | 第77页 |
