| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-22页 |
| ·课题背景及意义 | 第10-12页 |
| ·课题背景 | 第10-11页 |
| ·课题的目的及意义 | 第11-12页 |
| ·多源图象融合技术的发展现状与分析 | 第12-14页 |
| ·多源图象融合技术概述 | 第14-19页 |
| ·多源图象融合算法的分类 | 第15-16页 |
| ·多源图象融合算法的评价 | 第16-19页 |
| ·多源图象融合的应用 | 第19页 |
| ·课题来源及主要研究内容 | 第19-20页 |
| ·课题来源 | 第19-20页 |
| ·课题主要研究内容 | 第20页 |
| ·论文结构 | 第20-22页 |
| 第2章 基于统计修正算法的多源图象融合 | 第22-37页 |
| ·引言 | 第22页 |
| ·基于统计修正的融合算法 | 第22-24页 |
| ·基于统计修正的IHS改进算法 | 第24-26页 |
| ·IHS融合算法原理 | 第24-25页 |
| ·改进的IHS融合算法 | 第25-26页 |
| ·基于统计修正的PCA改进算法 | 第26-28页 |
| ·PCA融合算法原理 | 第26-27页 |
| ·改进的PCA融合算法 | 第27-28页 |
| ·基于统计修正的SCN改进算法 | 第28页 |
| ·实验结果分析 | 第28-36页 |
| ·多光谱与全色图象融合 | 第28-32页 |
| ·高光谱与高空间分辨率图象融合 | 第32-36页 |
| ·本章小结 | 第36-37页 |
| 第3章 基于特征提取的多源图象融合分类 | 第37-49页 |
| ·引言 | 第37页 |
| ·SAR图象特性及预处理 | 第37-38页 |
| ·SAR与多光谱图象的特征提取 | 第38-40页 |
| ·SAR图象纹理特征提取 | 第38-40页 |
| ·多光谱图象光谱特征提取 | 第40页 |
| ·基于特征提取的多光谱与SAR图象融合分类 | 第40-41页 |
| ·多维图象的最大似然分类方法 | 第40-41页 |
| ·多光谱与SAR图象融合分类 | 第41页 |
| ·实验结果与分析 | 第41-47页 |
| ·多光谱与SAR图象单源分类结果 | 第42-43页 |
| ·多光谱与SAR图象的像素层融合分类 | 第43-44页 |
| ·基于特征提取的多光谱与SAR图象融合分类 | 第44-47页 |
| ·本章小结 | 第47-49页 |
| 第4章 基于证据推理的多源图象融合 | 第49-69页 |
| ·引言 | 第49页 |
| ·证据推理理论 | 第49-53页 |
| ·证据推理中的几个基本概念 | 第50-51页 |
| ·证据组合规则 | 第51-52页 |
| ·基于证据推理的多源信息融合 | 第52-53页 |
| ·基本赋值概率函数的构造方法 | 第53页 |
| ·基于证据推理的多源图象目标区域识别 | 第53-60页 |
| ·基于光谱特征的多光谱图象目标区域识别 | 第54页 |
| ·基于纹理特征的SAR图象目标区域识别 | 第54-55页 |
| ·基于相关性匹配的基本概率赋值函数构造及其改进方法 | 第55-56页 |
| ·基本概率赋值函数组合及决策规则 | 第56-57页 |
| ·实验结果与分析 | 第57-60页 |
| ·基于证据推理的多源图象分类 | 第60-68页 |
| ·基于高斯分布的基本概率赋值函数构造及其改进方法 | 第61-63页 |
| ·基本赋值概率函数组合及决策规则 | 第63页 |
| ·实验结果与分析 | 第63-68页 |
| ·本章小结 | 第68-69页 |
| 结论 | 第69-71页 |
| 参考文献 | 第71-76页 |
| 攻读学位期间发表的学术论文 | 第76-78页 |
| 致谢 | 第78页 |