| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景与实际意义 | 第10-12页 |
| 1.2 研究现状 | 第12-16页 |
| 1.2.1 压缩感知研究现状 | 第12-14页 |
| 1.2.2 基于压缩感知理论的图像融合算法研究现状 | 第14-15页 |
| 1.2.3 脉冲神经耦合网络研究现状 | 第15-16页 |
| 1.3 本文的主要研究内容 | 第16-18页 |
| 第2章 压缩感知基本理论 | 第18-30页 |
| 2.1 压缩感知理论简介 | 第18-19页 |
| 2.2 压缩感知核心技术 | 第19-29页 |
| 2.2.1 稀疏表示 | 第19-20页 |
| 2.2.2 测量矩阵 | 第20-23页 |
| 2.2.3 重构算法 | 第23-29页 |
| 2.2.3.1 贪婪算法 | 第23-25页 |
| 2.2.3.2 凸优化算法 | 第25-29页 |
| 2.3 本章小结 | 第29-30页 |
| 第3章 压缩感知域基于改进PCNN的图像融合算法 | 第30-49页 |
| 3.1 引言 | 第30-31页 |
| 3.2 基于压缩感知的图像常用融合算法 | 第31-33页 |
| 3.3 本文算法 | 第33-40页 |
| 3.3.1 PCNN模型及其相关参数简介 | 第33-37页 |
| 3.3.2 基于压缩感知PCNN模型参数改进 | 第37-39页 |
| 3.3.3 CS-PCNN融合步骤 | 第39-40页 |
| 3.4 实验结果及分析 | 第40-48页 |
| 3.5 本章小结 | 第48-49页 |
| 第4章 加入去模糊算子的CS-PCNN算法改进 | 第49-61页 |
| 4.1 引言 | 第49页 |
| 4.2 泊松奇异积分算子 | 第49-50页 |
| 4.3 基于CS-PCNN算法的改进与实现 | 第50-52页 |
| 4.4 实验结果与分析 | 第52-60页 |
| 4.5 本章小结 | 第60-61页 |
| 结论 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第67-68页 |
| 致谢 | 第68-69页 |
| 作者简介 | 第69页 |