多传感器图象信息融合方法与应用研究

摘要

该文主要研究了像素经图象融合的方法及其应用.论文在第一章介绍了图象信息融合的概念、融合的优点、通用融合结构以及目前常用的像素级图象融合方法,包括算术平均、彩色映射、非线性组合、马尔可失随机场、神经网络、金字塔变换(梯度金字塔、比率低通金字塔、形态学金字塔等)和小波变换等,在第一章还介绍了像素级图象融合的应用.在该文第二章提出了三种新颖实用的图象去噪算法.第三章,论文提出了基于神经网络的多聚焦图象融合方法.论文第四章提邮了基于小波帧变及其变种小波帧包变换和树状小树帧变换的多传感器图象融合方法,具体讨论了变换系数活跃度测量、变换系数融合方法、变换系数验证、帧变换分解深度等问题.

目录

文摘

英文文摘

1.绪论

1.1多传感器图象信息融合：概念，方法与应用

1.1.1多传感器图象信息融合基本概念

1.1.2多传感器图象信息融合的一般结构

1.1.3像素级图象融合方法综述

1.1.4多传感器图象信息融合的应用

1.1.5像素级图象融合性能评价

1.1.6结论

1.2论文的主要研究工作

1.3参考文献

2.图象信息融合的滤波处理

2.1一种新颖的改进型中值滤波器

2.1.1引言

2.1.2改进型中值滤波算法

2.1.3实验结果

2.1.4结论

2.2基于模糊神经网络的混合滤波器

2.2.1引言

2.2.2基于模糊神经网络的混合滤波器结构

2.2.3实验结果

2.2.4结论

2.3基于神经网络的模糊滤波器

2.3.1引言

2.3.2基于神经网络的模糊滤波器结构

2.3.3模糊逻辑滤波器

2.3.4利用神经网络学习非线性变换

2.3.5实验结果

2.3.6结论

2.4参考文献

3.基于神经网络的多聚焦图象融合

3.1基于神经网络的多聚焦图象融合

3.1.1引言

3.1.2基于神经网络的多聚焦图象融合方法

3.1.3实验结果

3.1.4结论与讨论

3.2参考文献

4.基于小波帧变换的多传感器图象融合

4.1基于小波帧变换的多传感器图象融合

4.1.1引言

4.1.2小波帧变换

4.1.3基于小波帧变换的图象融合过程

4.1.4实验结果

4.1.5结论

4.2基于小波帧变换的LANDSAT TM和SPOT PAN图象融合

4.2.1引言

4.2.2基于IHS，PCA，DWT的遥感图象融合

4.2.3基于小波帧变换的遥感图象融合方法

4.2.4实验结果

4.2.5结论

4.3参考文献

5.基于多小波变换的多传感器图象融合

5.1基于多小波变换的多传感器图象融合

5.1.1引言

5.1.2离散多小波变换

5.1.3基于多小波变换的多传感器图象融合

5.1.4实验结果

5.1.5结论

5.2基于多小波变换的遥感图象融合

5.2.1引言

5.2.2基于多小波变换的遥感图象融合

5.2.3实验结果

5.2.4结论

5.3参考文献

6.结论与展望

6.1论文总结

6.2展望

攻读博士期间发表和完成的论文

致谢