| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 图像融合背景及意义 | 第10-12页 |
| 1.1.1 图像融合的背景 | 第10-11页 |
| 1.1.2 图像融合的意义 | 第11-12页 |
| 1.2 图像融合的发展及研究现状 | 第12-14页 |
| 1.2.1 国外研究现状 | 第12-13页 |
| 1.2.2 国内研究现状 | 第13-14页 |
| 1.3 图像融合的评价方法 | 第14-15页 |
| 1.3.1 主观评价法 | 第14页 |
| 1.3.2 客观评价法 | 第14-15页 |
| 1.4 论文的主要工作及结构安排 | 第15-16页 |
| 1.5 本章小结 | 第16-17页 |
| 第2章 脉冲耦合神经网络的原理及其应用 | 第17-24页 |
| 2.1 PCNN神经元模型 | 第17-18页 |
| 2.2 PCNN模型 | 第18-20页 |
| 2.3 PCNN运行机理 | 第20-21页 |
| 2.4 PCNN特性研究 | 第21-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第3章 非下采样Contourlet变换理论 | 第24-31页 |
| 3.1 Contourlet变换理论 | 第24-25页 |
| 3.2 非下采样Contourlet变换理论 | 第25-27页 |
| 3.3 非下采样滤波器的结构 | 第27-30页 |
| 3.3.1 非下采样塔形滤波器组的结构 | 第27-29页 |
| 3.3.2 非下采样方向滤波器组的结构 | 第29-30页 |
| 3.4 NSCT应用于图像融合 | 第30页 |
| 3.5 本章小结 | 第30-31页 |
| 第4章 基于差异因子的NSCT变换与自适应PCNN的图像融合 | 第31-42页 |
| 4.1 基于小波分解与PCNN的图像融合 | 第31-33页 |
| 4.1.1 小波变换 | 第31-32页 |
| 4.1.2 融合过程 | 第32页 |
| 4.1.3 实验结果及分析 | 第32-33页 |
| 4.2 基于区域能量的NSCT变换与PCNN的图像融合 | 第33-35页 |
| 4.2.1 融合规则 | 第34-35页 |
| 4.2.2 实验结果分析 | 第35页 |
| 4.3 基于差异因子的NSCT变换与自适应PCNN的图像融合 | 第35-39页 |
| 4.3.1 自适应PCNN链接强度 | 第36-37页 |
| 4.3.2 融合规则 | 第37-39页 |
| 4.4 融合结果对比及性能评价 | 第39-41页 |
| 4.5 本章小结 | 第41-42页 |
| 第5章 基于双通道PCNN与NSCT结合的图像融合方法 | 第42-51页 |
| 5.1 双通道脉冲耦合神经网络模型(双通道PCNN) | 第42-44页 |
| 5.2 融合规则 | 第44-46页 |
| 5.2.1 低频子带融合规则 | 第44-45页 |
| 5.2.2 高频子带融合规则 | 第45-46页 |
| 5.3 融合步骤 | 第46页 |
| 5.4 融合结果及性能分析 | 第46-50页 |
| 5.5 本章小结 | 第50-51页 |
| 第6章 总结与展望 | 第51-53页 |
| 6.1 总结 | 第51-52页 |
| 6.2 展望 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56-57页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第57页 |
