| 中文摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 图像融合的背景、概念、及研究意义 | 第10-11页 |
| 1.1.1 图像融合的背景 | 第10页 |
| 1.1.2 图像融合的概念 | 第10-11页 |
| 1.1.3 图像融合的意义与优势 | 第11页 |
| 1.2 像素级图像融合方法概述 | 第11-15页 |
| 1.3 国内外融合算法中需要解决的问题 | 第15-16页 |
| 1.4 研究工作与内容安排 | 第16-19页 |
| 1.4.1 主要创新工作 | 第16页 |
| 1.4.2 内容安排 | 第16-19页 |
| 第二章 脉冲耦合神经网络 | 第19-37页 |
| 2.1 人工神经网络的发展历程及神经元研究 | 第19-21页 |
| 2.1.1 人工神经网络的发展历程 | 第19-20页 |
| 2.1.2 哺乳动物视觉皮层神经元研究及几种神经元模型 | 第20-21页 |
| 2.2 脉冲耦合神经网络PCNN概念的提出及研究界的关注 | 第21-23页 |
| 2.3 PCNN的标准模型与工作原理、基本特性 | 第23-25页 |
| 2.4 PCNN模型的改进研究 | 第25-31页 |
| 2.4.1 ICM模型 | 第26-27页 |
| 2.4.2 SCM模型 | 第27-30页 |
| 2.4.3 其他模型 | 第30-31页 |
| 2.5 PCNN在图像融合领域的应用 | 第31-36页 |
| 2.5.1 基于PCNN的图像融合技术的优势 | 第31-32页 |
| 2.5.2 基于PCNN的图像融合技术的研究进展 | 第32-34页 |
| 2.5.3 基于PCNN的图像融合技术的特点 | 第34-36页 |
| 2.6 本章小结 | 第36-37页 |
| 第三章 基于脉冲发放皮层模型的多聚焦图像融合 | 第37-57页 |
| 3.1 引言 | 第37-38页 |
| 3.2 SCM模型网络循环次数的设定 | 第38-39页 |
| 3.3 像素点清晰度评价准则的设定 | 第39-41页 |
| 3.4 基于SCM的多聚焦图像融合算法 | 第41-43页 |
| 3.5 融合结果讨论与性能评估 | 第43-55页 |
| 3.5.1 对三种像素点清晰度评价准则的性能评估 | 第43-50页 |
| 3.5.2 基于SCM的融合算法与其他融合算法的性能比较分析 | 第50-55页 |
| 3.6 本章小结 | 第55-57页 |
| 第四章 基于脉冲发放皮层模型与非下采样Contourlet变换的多传感器医学图像融合 | 第57-80页 |
| 4.1 引言 | 第57-62页 |
| 4.1.1 医学图像融合背景与意义 | 第57-59页 |
| 4.1.2 多分辨率分析的发展演变：从小波到非下采样Contourlet变换 | 第59-62页 |
| 4.2 非下采样Contourlet变换 | 第62-67页 |
| 4.2.1 NSCT的结构 | 第63-64页 |
| 4.2.2 非下采样金字塔分解 | 第64-65页 |
| 4.2.3 非下采样方向滤波器组 | 第65-66页 |
| 4.2.4 NSCT图像融合的步骤 | 第66-67页 |
| 4.3 算法设计 | 第67-70页 |
| 4.3.1 算法方案 | 第67-69页 |
| 4.3.2 算法步骤 | 第69-70页 |
| 4.4 实验及讨论 | 第70-75页 |
| 4.5 融合性能评估与结果分析 | 第75-79页 |
| 4.6 本章小结 | 第79-80页 |
| 第五章 基于脉冲发放皮层模型与离散小波变换的多源图像融合 | 第80-98页 |
| 5.1 引言 | 第80-81页 |
| 5.2 小波理论及离散小波变换 | 第81-88页 |
| 5.2.1 小波多分辨率分析的核心思想 | 第81-85页 |
| 5.2.2 二维离散小波变换对图像的分解与重建 | 第85-88页 |
| 5.3 基于SCM与DWT的多源图像融合算法 | 第88-90页 |
| 5.3.1 融合方案描述 | 第88-89页 |
| 5.3.2 融合算法步骤 | 第89-90页 |
| 5.4 融合实验结果与讨论分析 | 第90-96页 |
| 5.5 本章小结 | 第96-98页 |
| 第六章 总结与展望 | 第98-102页 |
| 6.1 总结 | 第98-100页 |
| 6.2 展望 | 第100-102页 |
| 参考文献 | 第102-112页 |
| 在学期间的研究成果 | 第112-114页 |
| 致谢 | 第114页 |
