第一章 緒論 第16-22 頁
· 研究背景 第16-18 頁
· 圖像理解的層次結構 第16-17 頁
· 圖像理解中知識的錶示與推理 第17-18 頁
· 研究內容 第18-20 頁
· 圖像理解中的難點問題 第18-19 頁
· 基於信息融閤的圖像理解 第19-20 頁
· 論文主要工作及章節安排 第20-22 頁
第二章 圖像理解概述及其主要問題 第22-32 頁
· 圖像理解概述 第22-24 頁
· 圖像理解的研究內容 第24-31 頁
· 圖像理解中的信息獲取 第24-25 頁
· 圖像理解中的錶示方法 第25-29 頁
· 圖像理解中的目標識彆 第29-31 頁
· 本章小結 第31-32 頁
第三章 信息融閤理論 第32-54 頁
· 信息融閤定義和基本原理 第33-35 頁
· 信息融閤的定義 第33-35 頁
· 信息融閤的基本原理 第35 頁
· 信息融閤模型 第35-39 頁
· JDL模型 第36-38 頁
· 簡單功能模型 第38-39 頁
· 信息融閤的體係結構 第39-43 頁
· 集中式融閤 第40-41 頁
· 分布式融閤 第41-42 頁
· 混閤式融閤 第42-43 頁
· 信息融閤的層次結構 第43-46 頁
· 數據層融閤 第43 頁
· 特徵層融閤 第43-45 頁
· 決策層融閤 第45-46 頁
· 三種層次結構之間的比較 第46 頁
· 信息融閤算法 第46-50 頁
· 物理模型類識彆算法 第47 頁
· 基於特徵的推理技術 第47-49 頁
· 認知模型類識彆算法 第49-50 頁
· 信息融閤的研究現狀和發展趨勢 第50-53 頁
· 信息融閤的研究現狀 第50-52 頁
· 信息融閤的發展趨勢 第52-53 頁
· 本章小結 第53-54 頁
第四章 基於信息融閤的圖像信息獲取方法 第54-76 頁
· 圖像融閤概述 第54-59 頁
· 圖像融閤定義 第54-56 頁
· 圖像融閤的應用領域 第56-58 頁
· 圖像融閤研究進展和發展方嚮 第58-59 頁
· 像素層圖像融閤算法 第59-64 頁
· 像素級加權平均法 第60-61 頁
· 多分辨率方法之金字塔分解 第61-63 頁
· 多分辨率方法之小波變換方法 第63-64 頁
· 圖像融閤的評價標準 第64-70 頁
· 圖像融閤質量的主觀評價方法 第65 頁
· 圖像融閤質量的客觀評價方法 第65-67 頁
· 結閤主觀和客觀因素的圖像融閤質量評價方法 第67-68 頁
· 實驗結果 第68-70 頁
· 色彩融閤 第70-75 頁
· 色彩融閤概述 第70-71 頁
· 基於空間變換的色彩融閤 第71-75 頁
· 本章小結 第75-76 頁
第五章 基於D-S證據理論的融閤特徵提取方法 第76-92 頁
· D-S證據理論的概念及其主要問題 第77-83 頁
· D-S證據理論中的基本概念 第77-80 頁
· D-S證據理論的特點和存在問題 第80-83 頁
· 基於融閤的圖像分割 第83-86 頁
· 圖像的模糊聚類分割 第83-84 頁
· 叢於模糊隸屬度的基本概率賦值 第84-85 頁
· 基於D-S證據理論的圖像融閤分割 第85-86 頁
· 基於融閤的邊緣提取 第86-91 頁
· ANOVA邊緣檢測方法 第87-89 頁
· 基於ANOVA方法的D-S證據理論融閤算法 第89-90 頁
· 實驗結果及其分析 第90-91 頁
· 本章小結 第91-92 頁
第六章 基於決策層融閤的目標識彆方法 第92-110 頁
· 目標識彆中不確定信息的處理 第92-97 頁
· 圖像理解係統中不確定信息的處理 第92-93 頁
· 目標識彆中的信息融閤技術 第93-94 頁
· 基於數據的不確定性處理方法 第94-97 頁
· 一種基於D-S證據理論的多類目標的層次識彆方法 第97-105 頁
· D-S證據理論與數據相似度的聯係 第97-100 頁
· 基於D-S證據理論的多類目標的層次識彆方法 第100-102 頁
· 實驗結果及分析 第102-105 頁
· 基於決策層融閤的目標識彆方法 第105-109 頁
· 決策層融閤在生物特徵識彆中的應用 第106-108 頁
· 決策層融閤在形狀識彆中的應用 第108-109 頁
· 本章小結 第109-110 頁
第七章 總結和展望 第110-112 頁
· 總結 第110 頁
· 展望 第110-112 頁
參考文獻 第112-118 頁
· · · · · · (
收起)