| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-28页 |
| 1.1 图像融合的概念、背景与研究意义 | 第11-12页 |
| 1.2 图像融合技术的应用及发展 | 第12-14页 |
| 1.3 图像融合系统的体系结构和应遵守的准则 | 第14-16页 |
| 1.4 像素级图像融合方法概述 | 第16-19页 |
| 1.5 国内外算法中需要解决的问题 | 第19-21页 |
| 1.6 本文的主要工作 | 第21-23页 |
| 参考文献 | 第23-28页 |
| 第二章 基于多聚焦图像融合的聚焦评价函数的评价 | 第28-47页 |
| 2.1 引言 | 第28-30页 |
| 2.2 聚焦评价函数 | 第30-33页 |
| 2.3 聚焦评价函数的评价方法 | 第33-35页 |
| 2.3.1 常用的聚焦评价函数的评价方法 | 第33页 |
| 2.3.2 基于多聚焦图像融合的聚焦评价函数的评价方法 | 第33-35页 |
| 2.4 实验结果与评价 | 第35-44页 |
| 2.4.1 使用灰度图像的实验结果 | 第35-38页 |
| 2.4.2 使用彩色图像的实验结果 | 第38-40页 |
| 2.4.3 实验结果评价 | 第40-44页 |
| 2.5 本章小结 | 第44-45页 |
| 参考文献 | 第45-47页 |
| 第三章 基于分块和脉冲耦合神经网络（PCNN）的多聚焦图像融合 | 第47-67页 |
| 3.1 引言 | 第47-48页 |
| 3.2 PCNN 模型 | 第48-50页 |
| 3.3 基于PCNN 的多聚焦图像融合方法 | 第50-52页 |
| 3.4 PCNN 参数的取值 | 第52-56页 |
| 3.5 实验结果与评价 | 第56-64页 |
| 3.6 本章小结 | 第64-65页 |
| 参考文献 | 第65-67页 |
| 第四章 基于双变量统计模型的多传感器图像融合 | 第67-95页 |
| 4.1 引言 | 第67-68页 |
| 4.2 传感器成像模型 | 第68-69页 |
| 4.2.1 图像传感器低频部分模型 | 第68-69页 |
| 4.2.2 图像传感器高频部分模型 | 第69页 |
| 4.3 低频分量融合 | 第69-70页 |
| 4.4 髙频分量融合 | 第70-77页 |
| 4.4.1 双变量统计模型 | 第70-72页 |
| 4.4.2 基于双变量统计模型的高频分量融合 | 第72-77页 |
| 4.5 算法中参数值的估计 | 第77-78页 |
| 4.5.1 输入图像的噪声的方差σ_ε~2 的估计 | 第77页 |
| 4.5.2 β及σ_5~2 的估计 | 第77-78页 |
| 4.6 基于双变量统计模型的图像融合结构 | 第78-79页 |
| 4.7 实验结果与评价 | 第79-92页 |
| 4.7.1 毫米波与可见光图像融合 | 第79-83页 |
| 4.7.2 红外与可见光图像融合 | 第83-92页 |
| 4.8 本章小结 | 第92-93页 |
| 参考文献 | 第93-95页 |
| 第五章 基于边缘与目标区域的图像融合评价指标 | 第95-113页 |
| 5.1 引言 | 第95-96页 |
| 5.2 常用客观评价指标简介 | 第96-104页 |
| 5.2.1 互信息MI | 第96-100页 |
| 5.2.2 Q 指标 | 第100-104页 |
| 5.3 基于边缘与目标区域的图像融合评价方法 | 第104-109页 |
| 5.3.1 边缘信息保持度的评价 | 第105-107页 |
| 5.3.2 目标区域保持度的评价 | 第107-109页 |
| 5.4 仿真实验 | 第109-111页 |
| 5.5 本章小结 | 第111页 |
| 参考文献 | 第111-113页 |
| 第六章 总结与展望 | 第113-117页 |
| 6.1 论文工作总结 | 第113-115页 |
| 6.2 研究展望 | 第115-117页 |
| 致谢 | 第117-118页 |
| 攻读博士学位期间发表和撰写的国际期刊论文 | 第118页 |
| 攻读博士学位期间参与的科研项目 | 第118-119页 |
| 本论文得到下列项目的联合资助 | 第119-121页 |
