像素级多分辨率图像融合方法研究
| 内容提要 | 第1-9页 |
| 第一章 绪论 | 第9-19页 |
| ·课题背景及研究意义 | 第9-11页 |
| ·多传感器图像融合技术的研究现状 | 第11-12页 |
| ·多传感器图像融合的层次划分 | 第12-13页 |
| ·图像融合的评价标准 | 第13-17页 |
| ·本论文的主要研究工作 | 第17-19页 |
| 第二章 基于离散小波变换的多分辨率图像融合算法 | 第19-41页 |
| ·引言 | 第19页 |
| ·多分辨率分析及正交小波变换 | 第19-32页 |
| ·小波变换基本理论 | 第20-23页 |
| ·多分辨率分析 | 第23-27页 |
| ·图像的小波变换及Mallat 算法 | 第27-31页 |
| ·多分辨率分析图像融合方法框架 | 第31-32页 |
| ·改进的基于小波变换的全局能量融合算法 | 第32-37页 |
| ·全局算法的框架 | 第32-33页 |
| ·图像的区域能量 | 第33-34页 |
| ·图像的全局匹配度 | 第34-35页 |
| ·融合算法的具体过程 | 第35-37页 |
| ·图像融合实验与结果分析 | 第37-40页 |
| ·融合实验 | 第37-39页 |
| ·性能评价与分析 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第三章 基于RBF 神经网络的图像聚类融合算法 | 第41-57页 |
| ·引言 | 第41页 |
| ·RBF 神经网络理论 | 第41-46页 |
| ·RBF 神经网络的结构模型 | 第41-44页 |
| ·RBF 神经网络的学习算法 | 第44-45页 |
| ·RBF 神经网络与BP 网络的对比 | 第45-46页 |
| ·基于RBF 神经网络的图像聚类融合算法 | 第46-52页 |
| ·算法框架 | 第46页 |
| ·融合算法中的像素点聚类分类 | 第46-48页 |
| ·隶属度的确定 | 第48页 |
| ·隶属加权法的融合 | 第48-49页 |
| ·实验与分析 | 第49-52页 |
| ·基于自适应调节的图像聚类融合算法 | 第52-56页 |
| ·K-means 聚类算法 | 第52-53页 |
| ·自适应融合算法 | 第53页 |
| ·实验与分析 | 第53-56页 |
| ·本章小结 | 第56-57页 |
| 第四章 基于混沌神经网络的多分辨率图像融合方法 | 第57-73页 |
| ·引言 | 第57-59页 |
| ·混沌神经网络理论 | 第59-65页 |
| ·Hopfield 神经网络（HNN） | 第59-60页 |
| ·混沌神经网络的结构模型 | 第60-63页 |
| ·变尺度暂态混沌神经网络 | 第63-65页 |
| ·基于混沌神经网络的多分辨率图像融合方法 | 第65-68页 |
| ·算法框架 | 第65-66页 |
| ·结构相似度评价标准 | 第66-67页 |
| ·混沌网络的迭代搜索融合 | 第67-68页 |
| ·图像融合实验与性能分析 | 第68-72页 |
| ·本章小结 | 第72-73页 |
| 第五章总结与展望 | 第73-76页 |
| ·本论文工作总结 | 第73-74页 |
| ·研究展望 | 第74-76页 |
| 参考文献 | 第76-85页 |
| 作者攻读博士期间发表的论文情况 | 第85-86页 |
| 致谢 | 第86-88页 |
| 学位论文摘要 | 第88-91页 |
| ABSTRACT | 第91-94页 |
