| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-24页 |
| 1.1 研究背景与研究意义 | 第10-11页 |
| 1.2 高光谱成像原理 | 第11页 |
| 1.3 高光谱图像超分辨率重构 | 第11-21页 |
| 1.3.1 无辅助输入信源的重构方法 | 第12-14页 |
| 1.3.2 基于全色图像与高光谱图像融合的方法 | 第14-17页 |
| 1.3.3 基于多光谱图像与高光谱图像融合的方法 | 第17-19页 |
| 1.3.4 多角度高光谱图像重构方法 | 第19页 |
| 1.3.5 高光谱光谱维超分辨重构方法 | 第19-21页 |
| 1.4 本文工作安排与论文结构 | 第21-24页 |
| 第二章 高光谱图像空间超分辨率重构与光谱解混合反馈处理方法 | 第24-46页 |
| 2.1 引言 | 第24页 |
| 2.2 反馈在图像处理中的应用 | 第24-26页 |
| 2.3 空间超分辨率重构与光谱解混合反馈处理方法 | 第26-35页 |
| 2.3.1 超分辨重构与解混合之间的关系 | 第27-29页 |
| 2.3.2 基于稀疏表示的超分辨重构模型 | 第29-30页 |
| 2.3.3 光谱解混合 | 第30-32页 |
| 2.3.4 超分辨重构与解混合反馈处理方法 | 第32-34页 |
| 2.3.5 目标函数求解 | 第34-35页 |
| 2.4 实验及结果分析 | 第35-45页 |
| 2.4.1 模拟数据结果及分析 | 第36-40页 |
| 2.4.2 实测数据结果及分析 | 第40-42页 |
| 2.4.3 反馈框架的有效性验证 | 第42-45页 |
| 2.5 本章小结 | 第45-46页 |
| 第三章 基于字典学习的高光谱图像光谱维超分辨重构 | 第46-62页 |
| 3.1 引言 | 第46页 |
| 3.2 光谱退化模型 | 第46-47页 |
| 3.3 基于字典学习的光谱维超分别重构算法 | 第47-53页 |
| 3.3.1 稀疏表示框架下的空间、光谱信息提取 | 第47-48页 |
| 3.3.2 训练图像集 | 第48-49页 |
| 3.3.3 K-SVD字典学习 | 第49-51页 |
| 3.3.4 光谱维超分辨重构算法 | 第51-52页 |
| 3.3.5 光谱超分辨算法求解过程 | 第52-53页 |
| 3.4 实验及结果分析 | 第53-60页 |
| 3.4.1 模拟数据结果及分析 | 第54-57页 |
| 3.4.2 实测数据及结果分析 | 第57-60页 |
| 3.5 本章小结 | 第60-62页 |
| 第四章 总结和展望 | 第62-64页 |
| 4.1 本文工作总结 | 第62-63页 |
| 4.2 未来工作展望 | 第63-64页 |
| 参考文献 | 第64-70页 |
| 攻读硕士学位期间完成的学术论文 | 第70-72页 |
| 攻读硕士期间参加的主要科研项目 | 第72-74页 |
| 致谢 | 第74-75页 |