| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 图像融合的研究背景及意义 | 第12-13页 |
| 1.2 图像融合的国内外研究现状 | 第13-15页 |
| 1.3 论文的主要研究内容和主要贡献 | 第15-16页 |
| 1.4 论文的结构安排 | 第16-18页 |
| 第2章 基于判别字典学习与形态成分分解的图像融合 | 第18-32页 |
| 2.1 引言 | 第18-20页 |
| 2.2 提出方法 | 第20-22页 |
| 2.2.1 卡通纹理字典学习模型 | 第20-21页 |
| 2.2.2 卡通-纹理成分分解模型 | 第21-22页 |
| 2.3 优化求解 | 第22-26页 |
| 2.3.1 字典学习模型的优化求解 | 第22-24页 |
| 2.3.2 分解模型的优化求解 | 第24页 |
| 2.3.3 字典学习算法与图像分解算法 | 第24-26页 |
| 2.4 融合方案 | 第26页 |
| 2.5 实验结果及其分析 | 第26-31页 |
| 2.5.1 实验设置 | 第26-27页 |
| 2.5.2 医学图像融合 | 第27-29页 |
| 2.5.3 多聚焦图像融合 | 第29-30页 |
| 2.5.4 红外与可见光图像融合 | 第30-31页 |
| 2.6 总结 | 第31-32页 |
| 第3章 基于判别字典学习与多成分分解的细节保护噪声图像融合 | 第32-54页 |
| 3.1 引言 | 第32-34页 |
| 3.2 提出方法 | 第34-36页 |
| 3.2.1 字典学习模型 | 第34-35页 |
| 3.2.2 图像分解模型 | 第35-36页 |
| 3.3 优化求解 | 第36-41页 |
| 3.3.1 字典学习模型的优化求解 | 第36-39页 |
| 3.3.2 图像分解模型的优化求解 | 第39-40页 |
| 3.3.3 字典学习算法与图像分解算法 | 第40-41页 |
| 3.4 融合规则 | 第41-42页 |
| 3.5 实验结果及其分析 | 第42-52页 |
| 3.5.1 参数选择 | 第42-43页 |
| 3.5.2 比较方法和客观评价指标 | 第43-45页 |
| 3.5.3 无噪图像的实验 | 第45-50页 |
| 3.5.4 噪声图像的实验 | 第50-52页 |
| 3.6 本章小结 | 第52-54页 |
| 第4章 基于低秩稀疏成分分解和PCNN的图像融合 | 第54-64页 |
| 4.1 相关工作 | 第54-55页 |
| 4.1.1 低秩分解 | 第54页 |
| 4.1.2 简化PCNN模型 | 第54-55页 |
| 4.2 提出方法 | 第55-59页 |
| 4.2.1 字典学习模型 | 第55-57页 |
| 4.2.2 低秩稀疏分解模型 | 第57-58页 |
| 4.2.3 融合规则 | 第58-59页 |
| 4.3 实验结果及其分析 | 第59-62页 |
| 4.3.1 实验设置 | 第59页 |
| 4.3.2 医学图像融合 | 第59-60页 |
| 4.3.3 多聚焦图像融合 | 第60-62页 |
| 4.4 本章小结 | 第62-64页 |
| 第5章 总结与展望 | 第64-68页 |
| 5.1 总结 | 第64-65页 |
| 5.2 展望 | 第65-68页 |
| 致谢 | 第68-70页 |
| 参考文献 | 第70-78页 |
| 附录A 攻读硕士学位期间发表的学术成果 | 第78页 |