| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1. 绪论 | 第7-11页 |
| ·研究背景和意义 | 第7页 |
| ·图像融合层次及研究现状 | 第7-9页 |
| ·图像融合的发展趋势 | 第9页 |
| ·本文主要工作和结构安排 | 第9-11页 |
| 2. Contourlet变换用于可见光和红外光图像分解 | 第11-26页 |
| 引言 | 第11页 |
| ·小波理论简介 | 第11-13页 |
| ·Contourlet的实现 | 第13-20页 |
| ·多尺度分解 | 第13-18页 |
| ·方向滤波器组 | 第18-20页 |
| ·Contourlet整体分析 | 第20页 |
| ·Contourlet用于图像分解的效果及分析 | 第20-26页 |
| 3. 脉冲耦合神经网络用于可见光和红外光图像融合 | 第26-32页 |
| 引言 | 第26页 |
| ·脉冲耦合神经网络模型 | 第26-27页 |
| ·PCNN的特点分析 | 第27-29页 |
| ·PCNN用于可见光和红外光图像融合 | 第29-32页 |
| 4. 基于多尺度分解和自适应迭代次数PCNN图像融合方法 | 第32-46页 |
| 引言 | 第32页 |
| ·自适应迭代次数PCNN | 第32-37页 |
| ·累加点火图 | 第32-33页 |
| ·PCNN模型的改进 | 第33-35页 |
| ·自适应迭代次数PCNN模型 | 第35-37页 |
| ·评价参数 | 第37-39页 |
| ·主观评价标准 | 第37页 |
| ·客观评价标准 | 第37-39页 |
| ·基于多尺度分解和自适应迭代次数PCNN的可见和红外光图像融合 | 第39-45页 |
| ·算法流程 | 第39-40页 |
| ·仿真结果及结果分析 | 第40-45页 |
| ·结论 | 第45-46页 |
| 5. 可见光和红外光图像的压缩感知及重建 | 第46-58页 |
| 引言 | 第46页 |
| ·压缩感知简介及应用 | 第46-47页 |
| ·压缩感知理论分析 | 第47-49页 |
| ·信号稀疏性 | 第47-48页 |
| ·压缩感知理论 | 第48-49页 |
| ·压缩感知关键技术讨论 | 第49-52页 |
| ·信号的稀疏化 | 第49页 |
| ·测量矩阵 | 第49-50页 |
| ·信号的重构 | 第50-52页 |
| ·CS框架下可见光和红外光图像重建仿真 | 第52-58页 |
| 6. 基于压缩感知的可见光和红外光图像融合 | 第58-68页 |
| 引言 | 第58页 |
| ·CS框架下图像融合的引入 | 第58-59页 |
| ·CS框架下可见光和红外光图像融合方法 | 第59-67页 |
| ·系数取大法 | 第59页 |
| ·权重法 | 第59-60页 |
| ·基于PCNN模型的CS框架下图像融合方法 | 第60页 |
| ·仿真及比较 | 第60-67页 |
| ·结论 | 第67-68页 |
| 7. 总结与展望 | 第68-70页 |
| ·本文工作总结 | 第68页 |
| ·展望 | 第68-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-73页 |
