声明
摘要
第一章 绪论
1.1 研究的背景及意义
1.2 图像融合技术概述
1.2.1 图像融合的层次划分
1.2.2 常见的图像融合方法
1.3 国内外研究现状及发展动态
1.4 主要研究内容及论文结构安排
1.4.1 论文主要研究内容
1.4.2 论文结构安排
第二章 基于多尺度多方向变换域统计建模的图像融合体系概述
2.1 引言
2.2 基于多尺度多方向图像融合算法的基本框架
2.3 多尺度多方向图像分析技术
2.4 基于Burt思想的融合规则
2.5 图像融合的质量评价标准指标
2.5.1 主观评价法
2.5.2 客观评价法
2.6 本章小结
第三章 基于小波变换域统计建模的多聚焦图像融合方法
3.1 引言
3.2 小波变换及其图像融合框架
3.3 主成分分析法(PCA)
3.4 高频子带系数的广义高斯分布(GGD)建模
3.5 区域能量融合
3.6 基于PCA和GGD建模的图像融合方法
3.7 实验结果与讨论
3.7.1 高频子带图像的GGD建模
3.7.2 小波分解层数的选取
3.7.3 小波滤波器的选取
3.7.4 匹配测度阈值的选取
3.7.5 与目前的图像融合方法比较
3.8 本章小结
第四章 基于Contourlet变换域统计建模的图像融合方法
4.1 引言
4.2 轮廓波(Contourlet)变换
4.3 高斯混合模型(GMM)
4.4 高斯混合模型的EM算法
4.5 Contourlet变换域联合统计建模的图像融合框架
4.6 实验结果与讨论
4.6.1 低频子带图像的GMM建模
4.6.2 高频子带图像的GGD建模
4.6.3 匹配测度阈值的选取
4.6.4 与目前的图像融合方法比较
4.7 本章小结
第五章 基于金字塔双树方向滤波器组域统计建模的图像融合方法
5.1 引言
5.2 金字塔双树方向滤波器组(PDTDFB)变换
5.3 混合拉普拉斯建模(LMM)
5.4 基于PDTDFB变换的图像融合框架
5.5 实验结果与讨论
5.5.1 系数子带的混合拉普拉斯建模
5.5.2 与目前的图像融合方法比较
5.6 本章小结
第六章 总结与展望
6.1 本文主要研究工作内容
6.2 研究展望
参考文献
致谢
攻读硕士学位期间论文发表及科研情况