1、“.....主成分分析在红外图像融合技术中的应用实验结果图原全色图像图原多光谱图像图变换图像融合对该程序的评价基于变换融合方法是用与多波段遥感图像的第主分量具有相同均值和方差的高分辨率遥感图像直接代替多波段遥感图像的第主分量,这样会损失些多波段遥感图像第主分量中的反映光谱特性的有用信息,因而使得融合结果图像的光谱分辨率受到较大影响。第五章总结和展望第五章总结和展望红外融合作为图像融合的个重要分支，是对光学镜头成像后的进步处理，在实际工程中有着非常广泛的应用，但是图像融合技术还需要在理论和应用方面作进步深入研究。本文就红外图像融合做了些探讨和研究，主要包括如下内容探讨了种基于和高通滤波图像的融合算法，基于分析构造清晰度指标......”。

2、“.....有效的提高了图像融合的质量。论文针对分块图像融合存在块效应这缺陷，对基于区域检测的图像融合算法进行了研究，该算法以邻域内的方差作为像素清晰度辨识的标准，然后通过个以当前像素为中心的滑动窗口统计像素点类别个数，以窗口内占优为原则设定当前像素的类别，形成连续的清晰和模糊区域，最后以辨识出的清晰区域作为融合图像。该方法能有效减少块效应，并且能克服噪声对图像融合的影响。在传统基于小波的图像融合基础上，对基于低频边缘和能量的多聚焦图像融合算法进行了研究。该方法强调了低频信息的作用，提高了融合质量。针对多聚焦图像的特点，考虑到清晰区域可以直接作为最终融合图像的相应区域，不需要经过小波变换再作融合处理。于是在论文中探讨了种算法，该算法避免了对整幅图像进行小波变换......”。

3、“.....陈宁红多波段图像数据融合技术研究学位论文硕士参考文献合问题。本论文所研究或探讨的内容只是多聚焦图像融合中的部分，以后还需要加强自己在该领域内的研究工作清晰程度的辨识决定了对区域的准确而有效的划分，因此，找出种更为有效的清晰度指标是今后的重要工作。除了传统的小波应用到图像融合当中，目前构造出的其它小波应用到图像融合当中也是个值得探讨的话题。结合现有算法将人工智能基于经验模式分解等各种先进技术手段应用于图像融合当中亦是值得关注的方向。在传统基于小波的图像融合基础上，对基主成分分析在红外图像融合技术中的应用于低频边缘和能量的多聚焦图像融合算法进行了研究。该方法强调了低频信息的作用，提高了融合质量。针对多聚焦图像的特点，考虑到清晰区域可以直接作为最终融合图像的相应区域......”。

4、“.....于是在论文中探讨了种算法，该算法避免了对整幅图像进行小波变换，也很好处理了处于边界的像素融合问题。致谢致谢本文的工作能够顺利完成得益于我尊敬的导师秦翰林的悉心指导和严格求。在此，谨向导师表示深深的谢意。另外，老师自身渊博的知识严谨的治学态度活跃的学术思想足以让我以他为榜样从事今后的工作。感谢西安电子科技大学技术物理学院的各位领导和老师这三年来给予我学习上指导和生活上的关心。同时，还要感谢我的室友及同班其他同学对我学习生活上给予我的关心和帮助以及在做论文期间给予我的启发。我将铭记父母的养育之恩，正是他们辛苦的劳动让我顺利完成学业并工作，并且不断鼓励着我学习深造。感谢所有曾给予我鼓励和帮助的朋友......”。

5、“.....也不考虑图像像素间的相关性，而是直接对其像素的灰度值进行与或运算或加权平均来获取融合图像的像素第二章红外图像融合的基本原理值。加权平均法权重的确定方法有多种，如主分量分析法和平均法。主分量分析法对所有源图像灰度的协方差矩阵进行主分量分析，将最大特征值对应的特征向量作为各幅输入图像的权值平均法对各幅源图像取相同的权重，是最简单的加权平均法。加权平均法可以降低图像的噪声，提高融合图像的信噪比。简单的逻辑法和加权平均融合算法容易实现，但自适应性差，多数情况下处理效果不理想。基于的算法其基本思想是先将源图像般为图像变换到空间，在空间完成融合后再变换回空间。基于主分量分析的算法通过主分量分析获取源图像的重要信息并对它们进行重组，最终得到融合图像。基于多分辨率分解的融合算法这类方法是目前人们最常使用的像素级融合方法......”。

6、“.....常用的多分辨率分解方法有高斯金字塔拉普拉斯金字塔低通比率金字塔梯度金字塔和离散小波变换等。图像的多分辨率分解融合方式与人眼视觉系统对图像信息的处理极为相似，这类方法对图像的不同频段不同结构的细节分别进行处理，可以获取更好的融合效果。但是由于这类方法比较复杂，处理时间较长，所以不适合用于实时性要求较高的领域。和算法容易实现，但由于存在替换过程，所以或多或少的存在光谱的失真现象，且源图像相关性越差，光谱失真现象越严重。所以这两种方法多用于相关性较强的遥感图像的融合中。除了以上介绍的图像融合方法以外......”。

7、“.....在实际应用中，图像融合方法的选取依赖于具体的应用目的和源图像的特征。图像融合的分类图像融合方法有多种分类方法。同算法在不同的应用坏境中，可能属于不主成分分析在红外图像融合技术中的应用同的分类。下面列举两种常见的分类方法按照融合的顺序和层次，可以将图像融合算法分为像素级特征级和决策级融合。像素级图像融合是最基本的图像融合方法，也是目前人们研究最多最常用的融合方法。简单的逻辑或加权平均法法各种基于金字塔和小波变换的融合方法等直接对像素进行处理的算法都属于像素级图像融合。按照融合处理过程是否对源图像进行变换，将图像融合算法分为多分辨率融合方法和非多分辨率融合方法，其中多分辨率分解法主要包括基于金字塔分解，小波和小波帧变换等的图像融合方法。除以上两种分类方法外也有学者给出了其它的分类方法......”。

8、“.....第三章算法以及在图像融合中的应用第三章的算法以及在图像融合中的应用原理主成分分析，是种掌握事物主要矛盾的统计分析方法，它可以从多元事物中解析出主要影响因素，揭示事物的本质，简化复杂的问题。计算主成分的目的是将高纬数据投影到较低维空间。给定个变量的个观察值，形成个的数据矩阵，通常比较大。对于个由多个变量描述的复杂事物，认识难度会很大，于是我们可以抓住事物主要方面进行重点分析，如果事物的主要方面刚好体现在几个主要变量上，那么我们只需要将体现事物主要方面的较少的几个主要变量分离出来，对此进行详细分析。但是，在般情况下，并不能直接找出这样的关键变量。这时我们可以用原有变量的线性组合来表示事物的主要方面，就是这样种分析方法。主要用于数据降维，对于由系列特征组成的多维向量，其中些元素本身没有区分性......”。

9、“.....或者彼此差距不大，那么这个元素本身就没有区分性，如果用它做特征来区分，贡献会非常小。所以我们的目的是找那些变化大的元素，即方差大的那些维，而去除掉那些变化不大的维，从而使特征留下的都是精品，使得计算量也相应变小。对于个维的特征来说，相当于它的每维特征与其他维都是正交的相当于在多维坐标系中，坐标轴都是垂直的，那么我们可以变化这些维的坐标系，从而使这个特征在些维上方差大，而在些维上方差很小。例如，个度倾斜的椭圆，在第坐标系，如果按照,坐标来投影，这些点的和的属性很难用于区分他们，因为他们在,轴上坐标变化的方差都差不多，我们无法根据这个点的个属性或属性来判断这个点是哪个，而如果将坐标轴旋转，以椭圆长轴为轴，则椭圆在长轴上的分布比较长，方差大，而在短轴上的分布短，方差小，所以可以考虑只保留这些点的长轴属性，来区分椭圆上的点，这样......”。