| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景与意义 | 第9-12页 |
| 1.1.1 研究背景 | 第9-12页 |
| 1.1.2 研究目的与意义 | 第12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 主要研究内容及组织结构 | 第14-16页 |
| 第二章 薄云遥感图像及其预处理 | 第16-26页 |
| 2.1 云的物理特性 | 第16-17页 |
| 2.2 遥感图像中的云层特征 | 第17-18页 |
| 2.3 遥感图像预处理 | 第18-25页 |
| 2.3.1 辐射校正 | 第18-20页 |
| 2.3.2 几何校正 | 第20-21页 |
| 2.3.3 图像配准 | 第21-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 基于PCNN融合和T-SVR的薄云遥感图像中地物信息恢复算法 | 第26-47页 |
| 3.1 对偶树复小波变换 | 第26-29页 |
| 3.1.1 小波变换 | 第26-28页 |
| 3.1.2 对偶树复小波变换 | 第28-29页 |
| 3.2 变化检测 | 第29-31页 |
| 3.3 未变化区域的PCNN融合 | 第31-33页 |
| 3.3.1 PCNN原理 | 第31-32页 |
| 3.3.2 低频融合 | 第32页 |
| 3.3.3 高频融合 | 第32-33页 |
| 3.4 变化区域的迁移学习 | 第33-41页 |
| 3.4.1 支持向量回归 | 第34-39页 |
| 3.4.2 迁移支持向量回归 | 第39-41页 |
| 3.5 算法步骤 | 第41-42页 |
| 3.6 实验结果与分析 | 第42-46页 |
| 3.7 本章小结 | 第46-47页 |
| 第四章 融合引导滤波和迁移学习的薄云图像中地物信息恢复算法 | 第47-62页 |
| 4.1 多方向非抽样对偶树复小波变换 | 第47-48页 |
| 4.2 支持向量引导滤波 | 第48-51页 |
| 4.2.1 引导滤波 | 第48-49页 |
| 4.2.2 支持向量引导滤波 | 第49-51页 |
| 4.3 高低频子带的处理 | 第51-53页 |
| 4.3.1 低频子带处理 | 第51-52页 |
| 4.3.2 高频子带处理 | 第52-53页 |
| 4.4 算法步骤 | 第53-54页 |
| 4.5 实验结果及分析 | 第54-61页 |
| 4.5.1 模拟薄云图像实验 | 第54-58页 |
| 4.5.2 真实薄云图像实验 | 第58-61页 |
| 4.6 本章小结 | 第61-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 5.1 总结 | 第62-63页 |
| 5.2 展望 | 第63-64页 |
| 参考文献 | 第64-71页 |
| 致谢 | 第71-72页 |
| 硕士期间发表的论文 | 第72页 |
| 硕士期间参与的科研项目 | 第72页 |