| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 第一章 绪论 | 第13-29页 |
| 1.1 研究背景和意义 | 第13-14页 |
| 1.2 图像融合研究现状 | 第14-15页 |
| 1.3 多源图像融合算法 | 第15-22页 |
| 1.3.1 图像融合技术分类 | 第15-17页 |
| 1.3.2 空域图像融合方法 | 第17-18页 |
| 1.3.3 变换域图像融合方法 | 第18-21页 |
| 1.3.4 基于复合模型的图像融合方法 | 第21页 |
| 1.3.5 图像融合技术存在问题 | 第21-22页 |
| 1.4 图像融合质量评价 | 第22-27页 |
| 1.5 主要研究内容 | 第27-28页 |
| 1.6 本文的内容安排 | 第28-29页 |
| 第二章 基于非下采样Shearlet变换和稀疏重构的红外与可见光图像融合方法 | 第29-58页 |
| 2.1 引言 | 第29页 |
| 2.2 非下采样Shearlet变换 | 第29-37页 |
| 2.2.1 Shearlet变换 | 第29-35页 |
| 2.2.2 离散Shearlet变换 | 第35-37页 |
| 2.2.3 非下采样Shearlet变换 | 第37页 |
| 2.3 基于稀疏重构的红外目标区域检测 | 第37-46页 |
| 2.3.1 超像素分割 | 第38-40页 |
| 2.3.2 重构误差分析 | 第40-44页 |
| 2.3.3 红外目标区域检测 | 第44-46页 |
| 2.4 融合方法 | 第46-48页 |
| 2.5 实验结果与分析 | 第48-57页 |
| 2.5.1 主观评价 | 第50-54页 |
| 2.5.2 客观评价 | 第54-57页 |
| 2.6 本章小结 | 第57-58页 |
| 第三章 基于非下采样Shearlet变换和显著性分析的多聚焦图像融合方法 | 第58-82页 |
| 3.1 引言 | 第58-59页 |
| 3.2 基于GBVS模型的聚焦区域检测 | 第59-71页 |
| 3.2.1 显著性分析算法 | 第60-61页 |
| 3.2.2 Itti模型 | 第61-64页 |
| 3.2.3 基于图论的GBVS模型 | 第64-67页 |
| 3.2.4 聚焦区域检测 | 第67-71页 |
| 3.3 融合方法 | 第71-75页 |
| 3.4 实验及结果分析 | 第75-80页 |
| 3.4.1 主观评价 | 第77-79页 |
| 3.4.2 客观评价 | 第79-80页 |
| 3.5 本章小结 | 第80-82页 |
| 第四章 基于稀疏表示的红外与可见光图像融合算法 | 第82-102页 |
| 4.1 引言 | 第82-83页 |
| 4.2 核密度估计聚类 | 第83-88页 |
| 4.2.1 基于PCNN点火频率的图像粗分割 | 第84-85页 |
| 4.2.2 基于DENCLUE算法的图像区域聚类划分 | 第85-88页 |
| 4.3 基于K-SVD字典学习的稀疏表示 | 第88-94页 |
| 4.3.1 稀疏表示 | 第88页 |
| 4.3.2 稀疏编码 | 第88-91页 |
| 4.3.3 超完备字典学习 | 第91-93页 |
| 4.3.4 基于分块的稀疏表示 | 第93-94页 |
| 4.4 融合方法 | 第94-95页 |
| 4.5 实验及结果分析 | 第95-101页 |
| 4.5.1 主观评价 | 第96-99页 |
| 4.5.2 客观评价 | 第99-101页 |
| 4.6 本章小结 | 第101-102页 |
| 第五章 基于稀疏分解的多聚焦图像融合方法 | 第102-121页 |
| 5.1 引言 | 第102-103页 |
| 5.2 鲁棒主成分分析 | 第103-106页 |
| 5.3 引导滤波 | 第106-110页 |
| 5.4 融合方法 | 第110-113页 |
| 5.5 实验结果及分析 | 第113-120页 |
| 5.5.1 主观评价 | 第115-118页 |
| 5.5.2 客观评价 | 第118-120页 |
| 5.6 本章小结 | 第120-121页 |
| 第六章 总结与展望 | 第121-124页 |
| 6.1 论文工作总结 | 第121-122页 |
| 6.2 研究展望 | 第122-124页 |
| 参考文献 | 第124-137页 |
| 攻读博士学位期间取得的科研成果 | 第137-139页 |
| 致谢 | 第139-140页 |
