基于模糊神经网络的图像特征级信息融合算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 研究背景和意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.2.1 国外研究现状 | 第14-15页 |
| 1.2.2 国内研究现状 | 第15-16页 |
| 1.3 图像融合的层次 | 第16-18页 |
| 1.4 本文的主要工作 | 第18-19页 |
| 1.5 本文的结构 | 第19-20页 |
| 第2章 图像融合相关理论 | 第20-38页 |
| 2.1 多聚焦图像融合的基本知识 | 第20-25页 |
| 2.1.1 多聚焦图像的成像原理 | 第20-21页 |
| 2.1.2 经典图像融合算法简介 | 第21-23页 |
| 2.1.3 图像的评价标准 | 第23-25页 |
| 2.2 模糊神经网络 | 第25-33页 |
| 2.2.1 模糊系统 | 第26-29页 |
| 2.2.2 神经网络 | 第29-30页 |
| 2.2.3 模糊神经网络的结构 | 第30-32页 |
| 2.2.4 模糊神经元的学习和自适应机制 | 第32-33页 |
| 2.3 支持向量机 | 第33-37页 |
| 2.3.1 线性可分支持向量机 | 第33-35页 |
| 2.3.2 非线性可分支持向量机 | 第35-36页 |
| 2.3.3 常用核函数 | 第36-37页 |
| 2.4 小结 | 第37-38页 |
| 第3章 结合SVM的FNN图像融合算法 | 第38-50页 |
| 3.1 模糊神经网络与SVM的结合 | 第38-42页 |
| 3.1.1 模糊神经网络 | 第39-41页 |
| 3.1.2 SVM决策方程 | 第41页 |
| 3.1.3 结合SVM的模糊神经网络 | 第41-42页 |
| 3.2 特征级多聚焦图像融合算法 | 第42-45页 |
| 3.2.1 空间域多聚焦图像融合框架 | 第42-44页 |
| 3.2.2 特征的提取 | 第44-45页 |
| 3.3 实验设计及结果分析 | 第45-49页 |
| 3.3.1 高斯模糊化图像数据融合 | 第45-47页 |
| 3.3.2 实际相机拍摄图像融合 | 第47-49页 |
| 3.4 小结 | 第49-50页 |
| 第4章 基于PSO优化FNN的图像融合算法 | 第50-62页 |
| 4.1 FNN模型及学习算法 | 第50-53页 |
| 4.1.1 模糊神经网络 | 第50-51页 |
| 4.1.2 梯度下降学习算法 | 第51-52页 |
| 4.1.3 最小二乘学习算法 | 第52-53页 |
| 4.2 基于PSO的FNN参数优化 | 第53-57页 |
| 4.2.1 PSO算法基本原理 | 第53-54页 |
| 4.2.2 带惯性因子的PSO | 第54-56页 |
| 4.2.3 PSO对FNN参数优化的设计 | 第56-57页 |
| 4.3 实验设计与结果分析 | 第57-61页 |
| 4.3.1 实验数据的获取 | 第57页 |
| 4.3.2 基于PSO的模糊神经网络优化算法 | 第57-59页 |
| 4.3.3 特征集图像融合 | 第59-61页 |
| 4.4 小结 | 第61-62页 |
| 结论 | 第62-64页 |
| 参考文献 | 第64-69页 |
| 附录A 攻读硕士学位期间所发表的学术论文目录 | 第69-70页 |
| 致谢 | 第70页 |
