| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 研究背景和意义 | 第12-14页 |
| 1.1.1 海洋遥感技术的研究背景和意义 | 第12-13页 |
| 1.1.2 海洋背景抑制的研究背景和意义 | 第13-14页 |
| 1.2 图像中背景抑制技术的研究现状 | 第14-16页 |
| 1.3 光学遥感图像中海洋背景抑制技术难点 | 第16-17页 |
| 1.4 本文主要工作 | 第17-18页 |
| 1.5 论文结构安排 | 第18-20页 |
| 第2章 遥感图像预处理 | 第20-58页 |
| 2.1 遥感图像处理基本流程 | 第20-21页 |
| 2.2 遥感图像的精确配准 | 第21-24页 |
| 2.2.1 多光谱遥感图像精确配准方法 | 第21-23页 |
| 2.2.2 多光谱与高分辨遥感图像的精确配准方法 | 第23-24页 |
| 2.3 基于地理信息统计学习的大幅面遥感图像海陆分割 | 第24-25页 |
| 2.4 纯海洋背景图像与非海洋背景图像的分类判别 | 第25-27页 |
| 2.5 基于暗通道先验的多光谱遥感图像去云雾方法 | 第27-55页 |
| 2.5.1 暗通道先验及其在多光谱遥感图像去云雾上的应用 | 第28-31页 |
| 2.5.2 局部化暗通道先验去云雾方法 | 第31-41页 |
| 2.5.3 实验结果分析 | 第41-55页 |
| 2.6 小结 | 第55-58页 |
| 第3章 卫星高分辨遥感图像中的海洋背景统计分析 | 第58-76页 |
| 3.1 本文所用统计分布模型 | 第58-60页 |
| 3.2 模型参数估计 | 第60-61页 |
| 3.3 K-S假设检验 | 第61-62页 |
| 3.4 单幅海洋背景图像的灰度分布特性 | 第62-64页 |
| 3.5 同一海域海洋背景集灰度序列分布特性 | 第64-67页 |
| 3.6 同一海域海洋背景集频谱序列分布特性 | 第67-70页 |
| 3.7 实验结果分析 | 第70-74页 |
| 3.7.1 灰度序列实验结果分析 | 第70-71页 |
| 3.7.2 频谱序列实验结果分析 | 第71-74页 |
| 3.8 小结 | 第74-76页 |
| 第4章 高分辨遥感图像频域高斯统计学习的海洋背景抑制方法研究 | 第76-112页 |
| 4.1 海洋背景集幅度谱的平移不变性和一致性 | 第76-83页 |
| 4.2 海洋背景幅度谱集的高斯统计学习建模 | 第83-84页 |
| 4.3 频域高斯统计学习海洋背景抑制算法 | 第84-89页 |
| 4.3.1 海洋背景抑制滤波器的生成 | 第85页 |
| 4.3.2 背景抑制滤波器的高斯平滑 | 第85-88页 |
| 4.3.3 背景抑制算法 | 第88-89页 |
| 4.4 实验结果分析 | 第89-110页 |
| 4.4.1 实验数据 | 第89-90页 |
| 4.4.2 评价指标 | 第90-91页 |
| 4.4.3 滤波器平滑窗.大小 | 第91-92页 |
| 4.4.4 实验结果及分析比较 | 第92-110页 |
| 4.5 小结 | 第110-112页 |
| 第5章 高分辨遥感图像频域多模型统计优化的海洋背景抑制方法研究 | 第112-134页 |
| 5.1 海洋背景幅度谱集统计分布拟合优度分析 | 第112-115页 |
| 5.2 海洋背景幅度谱集多模型统计优化模型 | 第115-117页 |
| 5.3 频域多模型统计优化的海洋背景抑制算法 | 第117-120页 |
| 5.4 实验结果分析 | 第120-133页 |
| 5.5 小结 | 第133-134页 |
| 第6章 航摄遥感图像的多高斯统计学习海洋背景抑制方法研究 | 第134-148页 |
| 6.1 航摄遥感图像中海洋背景的空间分布特性 | 第134-137页 |
| 6.2 多高斯模型覆盖学习的海洋背景抑制算法 | 第137-141页 |
| 6.3 实验结果分析 | 第141-147页 |
| 6.3.1 海洋背景学习能力分析 | 第141-143页 |
| 6.3.2 海洋背景抑制性能分析 | 第143-147页 |
| 6.4 小结 | 第147-148页 |
| 第7章 总结与展望 | 第148-152页 |
| 7.1 论文总结 | 第148-150页 |
| 7.2 研究展望 | 第150-152页 |
| 参考 文献 | 第152-160页 |
| 致谢 | 第160-161页 |
| 攻读博士学位期间的研究成果 | 第161-162页 |
