| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-27页 |
| ·研究背景及意义 | 第11-12页 |
| ·本文研究思路 | 第12页 |
| ·国内外研究现状和发展方向 | 第12-24页 |
| ·图像匹配概述 | 第12-17页 |
| ·图像融合概述 | 第17-24页 |
| ·本文研究内容 | 第24-27页 |
| 第二章 图像融合预处理研究 | 第27-51页 |
| ·图像滤波算法研究 | 第27-31页 |
| ·图像滤波研究现状 | 第27-28页 |
| ·基于小波变换的图像恢复 | 第28-31页 |
| ·图像分割算法研究 | 第31-43页 |
| ·图像分割概述 | 第31-32页 |
| ·基于交叉熵及曲线进化的图像分割 | 第32-38页 |
| ·基于小波变换和分水岭的图像分割算法 | 第38-43页 |
| ·基于互信息和小波分解的图像配准算法 | 第43-51页 |
| ·图像配准数学模型 | 第44-45页 |
| ·算法原理 | 第45-48页 |
| ·仿真实验 | 第48-50页 |
| ·结论 | 第50-51页 |
| 第三章 基于小波变换的图像融合方法研究 | 第51-63页 |
| ·小波融合一般方法 | 第51-54页 |
| ·基于小波变换的图像融合原理 | 第51页 |
| ·图像的二维小波分解 | 第51-54页 |
| ·图像融合规则 | 第54页 |
| ·基于自适应提升小波分解图像融合方法 | 第54-61页 |
| ·自适应提升小波变换 | 第55-58页 |
| ·融合原理和算法评估 | 第58-60页 |
| ·仿真实验 | 第60-61页 |
| ·本章小结 | 第61-63页 |
| 第四章 基于模糊核聚类和神经网络的图像融合方法研究 | 第63-77页 |
| ·神经网络图像融合方法分析 | 第64-65页 |
| ·基于模糊核聚类和自组织特征映射网络的图像融合方法 | 第65-69页 |
| ·算法思想 | 第65页 |
| ·滤波算法 | 第65-67页 |
| ·模糊核聚类算法 | 第67-68页 |
| ·融合算法 | 第68页 |
| ·自组织特征映射网络聚类分析 | 第68-69页 |
| ·仿真实验 | 第69-76页 |
| ·实验一 | 第70-73页 |
| ·实验二 | 第73-76页 |
| ·本章小结 | 第76-77页 |
| 第五章 基于遗传进化FNN的图像融合方法研究 | 第77-99页 |
| ·遗传进化FNN | 第78-89页 |
| ·遗传算法 | 第78-86页 |
| ·模糊神经网络(FNN) | 第86-87页 |
| ·遗传进化改进FNN的学习算法 | 第87-88页 |
| ·遗传进化调整FNN内部参数 | 第88-89页 |
| ·基于遗传进化FNN的图像融合方法 | 第89-92页 |
| ·算法思想 | 第89页 |
| ·用于图像融合的模糊神经网络(FNN)结构 | 第89-91页 |
| ·遗传进化调整模糊神经网络 | 第91-92页 |
| ·仿真实验 | 第92-97页 |
| ·实验一 | 第92-94页 |
| ·实验二 | 第94-97页 |
| ·本章小结 | 第97-99页 |
| 第六章 基于统计模型的图像融合方法研究 | 第99-109页 |
| ·高斯混合模型及EM求解 | 第99-101页 |
| ·基于统计模型的多源成像传感器融合方法 | 第101-104页 |
| ·图像成像模型分析 | 第101-102页 |
| ·局部分析窗 | 第102页 |
| ·期望值最大算法的迭代步骤 | 第102-104页 |
| ·迭代过程初始化 | 第104页 |
| ·实验与结果分析 | 第104-107页 |
| ·本章小结 | 第107-109页 |
| 第七章 全文总结 | 第109-113页 |
| 参考文献 | 第113-125页 |
| 致谢 | 第125-127页 |
| 攻读博士学位期间发表的论文 | 第127-128页 |
| 攻读博士学位期间科研获奖情况 | 第128-129页 |