| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 课题背景和研究意义 | 第10-11页 |
| 1.2 课题研究系统的发展及现状 | 第11-15页 |
| 1.2.1 无源毫米波探测成像系统的发展与现状 | 第11-14页 |
| 1.2.2 多波段图像融合的发展与现状 | 第14-15页 |
| 1.3 本文主要研究内容与章节安排 | 第15-17页 |
| 第二章 无源毫米波成像及多波段图像融合理论 | 第17-33页 |
| 2.1 无源毫米波成像技术基本理论 | 第17-20页 |
| 2.1.1 毫米波辐射特性及原理 | 第17-19页 |
| 2.1.2 毫米波辐射模型及成像特点概述 | 第19-20页 |
| 2.2 聚类分析的基本概念和理论 | 第20-24页 |
| 2.2.1 聚类模型的划分概述 | 第20-22页 |
| 2.2.2 数据对象之间的相似性度量 | 第22-24页 |
| 2.3 多波段图像融合算法概述 | 第24-30页 |
| 2.3.1 基于小波变换的图像融合算法 | 第25-27页 |
| 2.3.2 基于轮廓波变换的图像融合算法 | 第27-29页 |
| 2.3.3 基于区域分割的图像融合算法 | 第29-30页 |
| 2.4 图像融合质量的评价 | 第30-32页 |
| 2.4.1 主观视觉评价 | 第30页 |
| 2.4.2 客观指标评价 | 第30-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第三章 基于模糊聚类和混合模型的毫米波图像分割 | 第33-65页 |
| 3.1 K均值聚类算法 | 第33-41页 |
| 3.1.1 K均值聚类算法模型概述 | 第33-36页 |
| 3.1.2 基于K均值聚类算法的毫米波图像分割 | 第36-41页 |
| 3.2 模糊C均值聚类算法 | 第41-54页 |
| 3.2.1 模糊C均值算法模型 | 第43-47页 |
| 3.2.2 基于FCM的毫米波图像分割算法仿真 | 第47-49页 |
| 3.2.3 基于邻域约束FCM的毫米波图像分割算法 | 第49-54页 |
| 3.3 基于混合模型聚类的图像分割算法研究 | 第54-63页 |
| 3.3.1 高斯混合模型理论 | 第55-57页 |
| 3.3.2 最大似然估计 | 第57页 |
| 3.3.3 混合模型的期望最大算法 | 第57-60页 |
| 3.3.4 基于混合模型的毫米波图像分割算法仿真 | 第60-63页 |
| 3.4 本章小结 | 第63-65页 |
| 第四章 基于多尺度分解的毫米波图像融合算法研究 | 第65-79页 |
| 4.1 图像的非下采样轮廓波变换 | 第65-71页 |
| 4.1.1 图像NSCT变换的基本理论 | 第66-67页 |
| 4.1.2 非下采样金字塔变换 | 第67-68页 |
| 4.1.3 非下采样方向滤波器组 | 第68-71页 |
| 4.2 毫米波图像与光学图像融合算法 | 第71-78页 |
| 4.2.1 融合方法的框架及融合策略 | 第72-74页 |
| 4.2.2 融合仿真结果及分析 | 第74-78页 |
| 4.4 本章小结 | 第78-79页 |
| 第五章 全文总结与展望 | 第79-81页 |
| 5.1 全文总结 | 第79-80页 |
| 5.2 后续工作展望 | 第80-81页 |
| 致谢 | 第81-82页 |
| 参考文献 | 第82-88页 |
| 攻读硕士学位期间取得的成果 | 第88-89页 |