基于压缩感知的TASI数据去噪方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 高光谱图像去噪技术发展现状 | 第11-12页 |
| 1.2.2 压缩感知图像去噪技术发展现状 | 第12-13页 |
| 1.3 主要研究内容及技术路线 | 第13-15页 |
| 1.3.1 研究内容 | 第13-14页 |
| 1.3.2 技术路线 | 第14-15页 |
| 第二章 压缩感知基本理论 | 第15-27页 |
| 2.1 引言 | 第15-18页 |
| 2.2 稀疏表示 | 第18-19页 |
| 2.3 感知测量 | 第19-22页 |
| 2.3.1 观测矩阵性能 | 第19-20页 |
| 2.3.2 常用观测矩阵 | 第20-22页 |
| 2.4 稀疏重构 | 第22-27页 |
| 2.4.1 凸优化算法 | 第23页 |
| 2.4.2 贪婪算法 | 第23-25页 |
| 2.4.3 组合重构算法 | 第25-26页 |
| 2.4.4 贝叶斯重构算法 | 第26-27页 |
| 第三章 TASI数据的噪声分析 | 第27-33页 |
| 3.1 高光谱TASI数据分析 | 第27-28页 |
| 3.2 噪声来源及特性分析 | 第28-30页 |
| 3.2.1 噪声特性 | 第28-29页 |
| 3.2.2 含噪模型 | 第29-30页 |
| 3.3 噪声评估 | 第30-33页 |
| 第四章 常用图像去噪思路及方法 | 第33-42页 |
| 4.1 空间域去噪方法 | 第33-37页 |
| 4.1.1 均值滤波去噪 | 第33-35页 |
| 4.1.2 中值滤波去噪 | 第35-36页 |
| 4.1.3 维纳滤波去噪 | 第36-37页 |
| 4.2 变换域去噪方法 | 第37-42页 |
| 4.2.1 低通滤波法去噪 | 第37-39页 |
| 4.2.2 小波去噪 | 第39-42页 |
| 第五章 基于自适应字典的高光谱图像去噪 | 第42-70页 |
| 5.1 字典获取方法 | 第42-47页 |
| 5.1.1 固定字典 | 第42-43页 |
| 5.1.2 学习字典 | 第43-47页 |
| 5.2 基于自适应字典的去噪模型 | 第47-52页 |
| 5.2.1 从局部到全局的贝叶斯重建 | 第47-50页 |
| 5.2.2 自适应字典的学习方法 | 第50-52页 |
| 5.3 图像质量评价标准 | 第52-54页 |
| 5.3.1 主观评价标准 | 第52-53页 |
| 5.3.2 客观评价标准 | 第53-54页 |
| 5.4 基于自适应字典的高光谱图像去噪实例 | 第54-70页 |
| 5.4.1 实验设计 | 第54-55页 |
| 5.4.2 实验结果及分析 | 第55-70页 |
| 第六章 结论及展望 | 第70-72页 |
| 6.1 结论 | 第70-71页 |
| 6.2 存在的不足和展望 | 第71-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-76页 |
| 附录 | 第76页 |
