| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第7-10页 |
| 1.1 研究的背景及意义 | 第7页 |
| 1.2 国内外发展以及研究现状 | 第7-8页 |
| 1.3 主要研究内容及安排 | 第8-10页 |
| 2 图像融合理论研究 | 第10-22页 |
| 2.1 红外与可见光图像 | 第10页 |
| 2.2 图像融合理论和算法 | 第10-14页 |
| 2.2.1 像素级图像融合 | 第11-13页 |
| 2.2.2 特征级图像融合 | 第13-14页 |
| 2.2.3 决策级图像融合 | 第14页 |
| 2.3 图像融合评价 | 第14-21页 |
| 2.3.1 主观图像评价 | 第14-15页 |
| 2.3.2 客观图像评价 | 第15-21页 |
| 2.4 小结 | 第21-22页 |
| 3 基于多尺度分析理论的图像融合 | 第22-47页 |
| 3.1 概述 | 第22页 |
| 3.2 小波变换理论 | 第22-23页 |
| 3.3 非下采样Contourlet变换 | 第23-30页 |
| 3.3.1 Contourlet原理 | 第23-28页 |
| 3.3.2 非下采样Contourlet变换 | 第28-30页 |
| 3.4 shearlet变换 | 第30-40页 |
| 3.4.1 概述 | 第30-31页 |
| 3.4.2 shearlet变换 | 第31-39页 |
| 3.4.3 时域实现 | 第39-40页 |
| 3.5 基于多尺度变换的图像融合 | 第40-46页 |
| 3.5.1 算法流程 | 第40页 |
| 3.5.2 融合规则 | 第40-42页 |
| 3.5.3 实验结果分析 | 第42-46页 |
| 3.5.4 多尺度变换图像融合的优缺点及脉冲耦合神经网络概述 | 第46页 |
| 3.6 小结 | 第46-47页 |
| 4 基于多尺度分析和参数优化的脉冲耦合神经网络的图像融合 | 第47-60页 |
| 4.1 概述 | 第47页 |
| 4.2 PCNN基本模型 | 第47-49页 |
| 4.3 PCNN模型的运行原理 | 第49-50页 |
| 4.3.1 无耦合连接的PCNN | 第49-50页 |
| 4.3.2 耦合连接的PCNN | 第50页 |
| 4.4 PCNN模型特征 | 第50-51页 |
| 4.5 基于多尺度变换与参数优化的PCNN相结合的红外与可见光图像融合 | 第51-55页 |
| 4.5.1 脉冲耦合神经网络在图像融合中的应用 | 第51-52页 |
| 4.5.2 参数优化的脉冲耦合神经网络 | 第52-55页 |
| 4.6 算法流程与实验仿真 | 第55-59页 |
| 4.6.1 算法流程 | 第55页 |
| 4.6.2 实验结果分析 | 第55-59页 |
| 4.7 小结 | 第59-60页 |
| 5 基于改进的对比度增强型颜色传递的融合图像彩色可视化 | 第60-75页 |
| 5.1 引言 | 第60页 |
| 5.2 染色图像融合的基本方法 | 第60-66页 |
| 5.2.1 色彩空间的介绍 | 第60-62页 |
| 5.2.2 基于不同空间的染色融合算法 | 第62-66页 |
| 5.3 基于颜色传递的图像融合方法 | 第66-71页 |
| 5.3.1 基于YCbCr空间的颜色传递技术 | 第66-67页 |
| 5.3.2 基于YCbCr颜色传递的图像融合 | 第67-69页 |
| 5.3.3 基于红外特征增强的YCbCr颜色传递的图像融合 | 第69-71页 |
| 5.4 实验结果及分析 | 第71-74页 |
| 5.5 小结 | 第74-75页 |
| 6 总结与展望 | 第75-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-79页 |
