| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-14页 |
| 1.2.1 遥感图像云检测研究现状 | 第9-10页 |
| 1.2.2 遥感图像去云方法研究现状 | 第10-11页 |
| 1.2.3 SAR与光学影像融合研究现状 | 第11-12页 |
| 1.2.4 多源融合影像分类研究现状 | 第12-14页 |
| 1.3 研究内容与技术路线 | 第14-15页 |
| 1.4 本章小结 | 第15-16页 |
| 第二章 研究区概况与数据 | 第16-20页 |
| 2.1 研究区概况 | 第16页 |
| 2.2 实验数据 | 第16-19页 |
| 2.2.1 遥感数据 | 第17-18页 |
| 2.2.2 地面实测数据 | 第18-19页 |
| 2.3 遥感数据预处理 | 第19-20页 |
| 2.3.1 遥感影像几何校正 | 第19页 |
| 2.3.2 裁剪研究区 | 第19-20页 |
| 第三章 图像云区域检测与修复方法 | 第20-36页 |
| 3.1 遥感图像云区域检测 | 第20-25页 |
| 3.1.1 遥感图像模糊机理分析 | 第20-21页 |
| 3.1.2 云区域检测主要方法 | 第21-23页 |
| 3.1.3 阈值法光学厚云检测 | 第23-24页 |
| 3.1.4 最小交叉熵云阴影识别 | 第24-25页 |
| 3.2 云区域形态学处理 | 第25-26页 |
| 3.2.1 数学形态学基本运算 | 第25页 |
| 3.2.2 云区域形态学开运算 | 第25-26页 |
| 3.3 光学与SAR数据融合去云算法 | 第26-30页 |
| 3.3.1 常用遥感去云修复方法 | 第26-29页 |
| 3.3.2 基于加权欧式距离的光谱拟合去云算法 | 第29-30页 |
| 3.4 实验结果分析 | 第30-34页 |
| 3.5 本章小结 | 第34-36页 |
| 第四章 光学与SAR影像融合增强算法 | 第36-48页 |
| 4.1 多源图像融合 | 第36-37页 |
| 4.2 光学与SAR融合增强算法 | 第37-41页 |
| 4.2.1 HSV变换和小波变换 | 第38-40页 |
| 4.2.2 联合HSV和小波变换的相关加权图像融合 | 第40-41页 |
| 4.3 融合算法流程 | 第41-43页 |
| 4.4 实验结果分析 | 第43-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第五章 多源融合影像分类及结果评价 | 第48-52页 |
| 5.1 分类方法 | 第48-49页 |
| 5.1.1 传统像元光谱分类法 | 第48页 |
| 5.1.2 面向对象分类法 | 第48-49页 |
| 5.2 分类体系构建 | 第49页 |
| 5.3 实验结果分析 | 第49-51页 |
| 5.4 本章小结 | 第51-52页 |
| 第六章 总结与展望 | 第52-54页 |
| 6.1 总结 | 第52-53页 |
| 6.2 展望 | 第53-54页 |
| 参考文献 | 第54-59页 |
| 攻读硕士学位期间取得的学术成果 | 第59-60页 |
| 致谢 | 第60页 |