| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 符号对照表 | 第13-14页 |
| 缩略语对照表 | 第14-19页 |
| 第一章 绪论 | 第19-33页 |
| 1.1 融合方法研究的背景和意义 | 第19-21页 |
| 1.1.1 融合方法在图像去噪中研究的背景和意义 | 第19页 |
| 1.1.2 融合方法在多源图像中研究的背景和意义 | 第19-21页 |
| 1.2 融合方法研究的现状 | 第21-27页 |
| 1.2.1 基于空域中的融合方法 | 第21-22页 |
| 1.2.2 基于空间转换的图像融合方法 | 第22-24页 |
| 1.2.3 基于多尺度变换的图像融合方法 | 第24-25页 |
| 1.2.4 基于统计性能的图像融合方法 | 第25页 |
| 1.2.5 基于字典学习的图像融合方法 | 第25-27页 |
| 1.3 图像融合的评价指标 | 第27-30页 |
| 1.3.1 主观评价方法 | 第27页 |
| 1.3.2 客观评价方法 | 第27-30页 |
| 1.4 本文的主要工作 | 第30-33页 |
| 第二章 一种基于分数阶傅里叶变换的融合估计方法 | 第33-57页 |
| 2.1 几种分数傅里叶变换的定义 | 第33-39页 |
| 2.1.1 分数阶傅里叶变换的特征函数定义法 | 第34页 |
| 2.1.2 分数阶傅里叶变换的积分定义法 | 第34-35页 |
| 2.1.3 分数阶傅里叶变换的时频旋转定义法 | 第35-36页 |
| 2.1.4 分数阶傅里叶变换的态函数叠加定义法 | 第36-39页 |
| 2.2 现有的融合方法 | 第39-42页 |
| 2.2.1 小波融合方法 | 第39-40页 |
| 2.2.2 PCA融合方法 | 第40页 |
| 2.2.3 CIEM融合方法 | 第40-42页 |
| 2.3 几种相关的去噪算法简介及分析 | 第42-46页 |
| 2.3.1 BM3D算法 | 第42页 |
| 2.3.2 MLP算法 | 第42-43页 |
| 2.3.3 DDID算法 | 第43页 |
| 2.3.4 EPLL算法 | 第43-46页 |
| 2.3.5 BM3D,MLP,DDID,EPLL算法性能分析 | 第46页 |
| 2.4 所提分数阶傅里叶变换估计融合方法 | 第46-51页 |
| 2.5 实验与讨论 | 第51-54页 |
| 2.5.1 测试图集 | 第51页 |
| 2.5.2 实验结果与讨论 | 第51-54页 |
| 2.6 本章小结 | 第54-57页 |
| 第三章 四元数小波变换联合稀疏表示的图像融合方法 | 第57-77页 |
| 3.1 四元数 | 第57-59页 |
| 3.2 希尔伯特变换及其四元数解析信号 | 第59-62页 |
| 3.2.1 一维希尔伯特变换及其解析函数 | 第59-60页 |
| 3.2.2 二维希尔伯特变换及其解析函数 | 第60-61页 |
| 3.2.3 四元数解析函数 | 第61-62页 |
| 3.3 四元数小波变换 | 第62-69页 |
| 3.3.1 四元数小波变换分解结构 | 第65-68页 |
| 3.3.2 四元数小波变换的相位及图像分解 | 第68-69页 |
| 3.4 四元数小波联合稀疏表示的图像融合方法(QWTS) | 第69-71页 |
| 3.4.1 融合步骤 | 第70-71页 |
| 3.5 四元数小波联合稀疏表示的图像融合方法的实验 | 第71-75页 |
| 3.5.1 测试图集 | 第71页 |
| 3.5.2 实验结果及讨论 | 第71-75页 |
| 3.6 本章小结 | 第75-77页 |
| 第四章 一种杂交图像融合方法 | 第77-91页 |
| 4.1 结构纹理分解方法 | 第77-80页 |
| 4.2 非下采样轮廓波变换 | 第80页 |
| 4.3 改进的FCTD算法 | 第80-81页 |
| 4.4 所给算法及融合规则 | 第81-85页 |
| 4.4.1 稀疏表示方法和NSCT方法对结构纹理部分融合的差异 | 第81-82页 |
| 4.4.2 卡通部分的融合规则 | 第82-84页 |
| 4.4.3 纹理部分的融合规则 | 第84-85页 |
| 4.4.4 卡通+纹理部分的融合规则 | 第85页 |
| 4.5 实验与讨论 | 第85-88页 |
| 4.5.1 测试集 | 第85-86页 |
| 4.5.2 图像融合效果的客观评价指标 | 第86页 |
| 4.5.3 实验结果及讨论 | 第86-88页 |
| 4.6 本章小结 | 第88-91页 |
| 第五章 基于稀疏表示和神经网络的图像分解融合方法 | 第91-113页 |
| 5.1 外部和内部去噪方法 | 第91-93页 |
| 5.1.1 外部去噪方法 | 第91页 |
| 5.1.2 内部去噪方法 | 第91-92页 |
| 5.1.3 深度神经网络CEIM去噪方法 | 第92-93页 |
| 5.2 基于稀疏表示和多尺度去噪方法准则 | 第93页 |
| 5.3 改进的DFCT图像分解方法 | 第93-98页 |
| 5.4 稀疏表示理论 | 第98页 |
| 5.5 所提噪声图像的融合方法 | 第98-105页 |
| 5.5.1 外部卡通纹理字典的融合方法 | 第99-102页 |
| 5.5.2 内部卡通纹理字典融合方法 | 第102页 |
| 5.5.3 外内部卡通纹理联合融合方法 | 第102-105页 |
| 5.6 实验与讨论 | 第105-111页 |
| 5.6.1 测试集 | 第105页 |
| 5.6.2 图像融合效果的客观评价指标 | 第105页 |
| 5.6.3 实验结果及讨论 | 第105-111页 |
| 5.7 本章小结 | 第111-113页 |
| 第六章 总结与展望 | 第113-117页 |
| 6.1 总结 | 第113-114页 |
| 6.2 展望 | 第114-117页 |
| 参考文献 | 第117-127页 |
| 致谢 | 第127-129页 |
| 作者简介 | 第129页 |
