| 摘要 | 第4-6页 |
| abstract | 第6-8页 |
| 1.绪论 | 第12-20页 |
| 1.1 选题依据、研究背景及意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-15页 |
| 1.2.1 基于多尺度变换融合方法的研究现状 | 第14-15页 |
| 1.2.2 基于脉冲耦合神经网络融合方法的研究现状 | 第15页 |
| 1.3 本文的研究内容及组织结构 | 第15-18页 |
| 1.3.1 研究内容 | 第15-16页 |
| 1.3.2 论文组织结构 | 第16-18页 |
| 1.4 本章小结 | 第18-20页 |
| 2.脉冲耦合神经网络 | 第20-32页 |
| 2.1 PCNN的标准模型 | 第20-21页 |
| 2.2 PCNN模型的改进研究 | 第21-29页 |
| 2.2.1 SCM模型 | 第22-26页 |
| 2.2.2 LSCN模型 | 第26-29页 |
| 2.2.3 基于PCNN的改进算法 | 第29页 |
| 2.3 基于PCNN图像融合技术的分析 | 第29-31页 |
| 2.3.1 基于PCNN图像融合技术的研究进展 | 第29-30页 |
| 2.3.2 基于PCNN图像融合技术的特点 | 第30-31页 |
| 2.4 本章小结 | 第31-32页 |
| 3.NSST域内基于CS与自适应PCNN的医学图像融合算法 | 第32-42页 |
| 3.1 引言 | 第32页 |
| 3.2 相关理论 | 第32-34页 |
| 3.2.1 非下采样剪切波变换 | 第32页 |
| 3.2.2 压缩感知 | 第32-33页 |
| 3.2.3 简化的PCNN | 第33-34页 |
| 3.3 NSST域内基于CS与自适应PCNN的医学图像融合算法 | 第34-38页 |
| 3.3.1 算法流程 | 第34-35页 |
| 3.3.2 低频子带融合规则 | 第35-37页 |
| 3.3.3 高频子带融合规则 | 第37-38页 |
| 3.4 融合性能评估与结果分析 | 第38-41页 |
| 3.5 本章小结 | 第41-42页 |
| 4.基于连接突触计算网络的医学图像融合算法 | 第42-52页 |
| 4.1 引言 | 第42页 |
| 4.2 LSCN模型循环次数的设定 | 第42-43页 |
| 4.3 基于连接突触计算网络的医学图像融合算法 | 第43-45页 |
| 4.3.1 算法原理 | 第43-44页 |
| 4.3.2 算法流程 | 第44-45页 |
| 4.4 融合结果讨论与性能评估 | 第45-49页 |
| 4.5 本章小结 | 第49-52页 |
| 5.医学图像融合系统 | 第52-60页 |
| 5.1 系统设计的目的及意义 | 第52页 |
| 5.2 医学图像融合系统总体设计 | 第52-53页 |
| 5.3 系统模块功能实现 | 第53-59页 |
| 5.3.1 系统主界面 | 第53-54页 |
| 5.3.2 压缩感知不同重构方法比较模块 | 第54-55页 |
| 5.3.3 NSST域内基于CS与自适应PCNN的图像融合流程模块 | 第55-56页 |
| 5.3.4 医学图像融合模块一 | 第56-57页 |
| 5.3.5 NSCT域内基于LSCN的图像融合流程模块 | 第57-58页 |
| 5.3.6 医学图像融合模块二 | 第58-59页 |
| 5.4 本章小结 | 第59-60页 |
| 6.总结与展望 | 第60-62页 |
| 6.1 全文总结 | 第60页 |
| 6.2 未来工作展望 | 第60-62页 |
| 参考文献 | 第62-70页 |
| 攻读硕士学位期间发表的论文及所取得的研究成果 | 第70-72页 |
| 致谢 | 第72-74页 |
