| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 人工神经网络概述 | 第9-11页 |
| 1.1.1 人工神经网络简介 | 第9页 |
| 1.1.2 人工神经网络应用研究 | 第9-11页 |
| 1.2 PCNN的发展 | 第11页 |
| 1.3 小波变换的发展 | 第11-12页 |
| 1.4 图像融合概述 | 第12-15页 |
| 1.4.1 图像融合简介 | 第12-14页 |
| 1.4.2 图像融合应用 | 第14-15页 |
| 第二章 图像融合 | 第15-27页 |
| 2.1 图像融合层次 | 第15-19页 |
| 2.1.1 像素级图像融合 | 第15-17页 |
| 2.1.2 特征级图像融合 | 第17-18页 |
| 2.1.3 决策级图像融合 | 第18页 |
| 2.1.4 信号级图像融合 | 第18-19页 |
| 2.2 图像融合的评价标准 | 第19-20页 |
| 2.2.1 熵 | 第19页 |
| 2.2.2 平均值 | 第19页 |
| 2.2.3 标准差 | 第19-20页 |
| 2.2.4 平均梯度 | 第20页 |
| 2.2.5 峰值信噪比PSNR | 第20页 |
| 2.3 几种常见的图像融合的方法 | 第20-26页 |
| 2.3.1 拉普拉斯金字塔法及实例 | 第20-22页 |
| 2.3.2 分块融合法及实例 | 第22-24页 |
| 2.3.3 加权平均法及实例 | 第24-25页 |
| 2.3.4 PCA法及实例 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 基于小波变换的图像融合 | 第27-38页 |
| 3.1 小波变换理论基础 | 第27-31页 |
| 3.1.1 连续小波变换 | 第27页 |
| 3.1.2 离散小波变换 | 第27-28页 |
| 3.1.3 小波基的选择 | 第28-30页 |
| 3.1.4 多分辨率分析 | 第30-31页 |
| 3.2 小波变换的Mallat快速算法 | 第31-35页 |
| 3.3 小波变换图像融合方法 | 第35-37页 |
| 3.3.1 高频部分处理 | 第35-37页 |
| 3.3.2 低频部分处理 | 第37页 |
| 3.4 本章小结 | 第37-38页 |
| 第四章 脉冲耦合神经网络原理 | 第38-48页 |
| 4.1 PCNN简介 | 第38-39页 |
| 4.2 PCNN模型原理 | 第39-42页 |
| 4.2.1 PCNN模型 | 第39-41页 |
| 4.2.2 PCNN远行原理 | 第41-42页 |
| 4.3 PCNN特性研究 | 第42-43页 |
| 4.4 PCNN在图像处理的应用 | 第43-45页 |
| 4.4.1 图像边缘检测 | 第43-44页 |
| 4.4.2 图像分割 | 第44页 |
| 4.4.3 图像平滑 | 第44页 |
| 4.4.4 目标识别 | 第44页 |
| 4.4.5 图像去噪 | 第44-45页 |
| 4.4.6 图像融合 | 第45页 |
| 4.5 PCNN用于图像融合实例 | 第45-47页 |
| 4.6 本章小结 | 第47-48页 |
| 第五章 基于小波变换和简化型PCNN的多聚焦图像融合 | 第48-60页 |
| 5.1 引言 | 第48页 |
| 5.2 基于PCNN图像融合方法研究 | 第48-49页 |
| 5.3 简化型PCNN模型原理 | 第49-50页 |
| 5.4 基于小波变换和简化型PCNN图像融合研究 | 第50-59页 |
| 5.4.1 规则算法研究 | 第50-51页 |
| 5.4.2 融合结果及分析 | 第51-59页 |
| 5.5 本章小结 | 第59-60页 |
| 第六章 总结和展望 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 攻读硕士期间参与的科研项目 | 第65-66页 |
| 致谢 | 第66页 |