基于结构化字典学习的图像融合算法研究及应用
| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 课题来源及研究意义 | 第11页 |
| 1.2 国内外发展现状 | 第11-15页 |
| 1.3 本文主要研究内容与创新点 | 第15-17页 |
| 1.4 论文章节安排 | 第17-19页 |
| 第二章 稀疏表示理论 | 第19-25页 |
| 2.1 引言 | 第19页 |
| 2.2 稀疏表示模型 | 第19-20页 |
| 2.3 优化算法 | 第20-22页 |
| 2.3.1 贪婪追踪算法 | 第20-22页 |
| 2.3.2 l_p范数正则化算法 | 第22页 |
| 2.3.3 组合优化算法 | 第22页 |
| 2.4 字典学习算法 | 第22-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 自适应结构化字典学习算法 | 第25-49页 |
| 3.1 引言 | 第25页 |
| 3.2 固定结构化字典学习算法 | 第25-29页 |
| 3.2.1 组正交匹配追踪算法 | 第27-28页 |
| 3.2.2 BK-SVD算法 | 第28-29页 |
| 3.3 自适应结构化字典 | 第29-34页 |
| 3.3.1 获取训练样本 | 第30-31页 |
| 3.3.2 自适应结构化字典学习算法定义 | 第31-34页 |
| 3.4 基于聚类算法获取组结构 | 第34-44页 |
| 3.4.1 基于聚类算法组结构字典表示能力提升 | 第36-44页 |
| 3.5 相关性判断 | 第44-48页 |
| 3.5.1 加入相关性判断字典表示能力提升 | 第44-48页 |
| 3.6 本章小结 | 第48-49页 |
| 第四章 基于组结构字典的图像融合 | 第49-68页 |
| 4.1 引言 | 第49页 |
| 4.2 基于自适应结构化字典图像融合框架 | 第49-51页 |
| 4.3 基于组结构的范数最大融合规则 | 第51-55页 |
| 4.3.1 取均值的融合规则 | 第51-52页 |
| 4.3.2 范数最大的融合规则 | 第52-53页 |
| 4.3.3 基于SOMP的融合规则 | 第53-54页 |
| 4.3.4 基于结构化字典的融合规则设计 | 第54-55页 |
| 4.4 融合图像实验对比 | 第55-66页 |
| 4.4.1 融合图像的客观评价指标 | 第55-57页 |
| 4.4.2 红外与可见光图像融合对比 | 第57-60页 |
| 4.4.3 医学图像融合对比 | 第60-63页 |
| 4.4.4 多聚焦图像融合对比 | 第63-66页 |
| 4.5 本章小结 | 第66-68页 |
| 第五章 总结与展望 | 第68-70页 |
| 5.1 总结 | 第68-69页 |
| 5.2 研究展望 | 第69-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-76页 |
| 攻读硕士学位期间取得的成果 | 第76-77页 |
