| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 目录 | 第10-14页 |
| 表格索引 | 第14-15页 |
| 插图索引 | 第15-17页 |
| 主要符号对照表 | 第17-19页 |
| 第一章 绪论 | 第19-43页 |
| 1.1 研究背景与意义 | 第19-39页 |
| 1.1.1 问题描述 | 第20-22页 |
| 1.1.2 空间自主操作研究现状 | 第22-26页 |
| 1.1.3 图像复原研究现状 | 第26-35页 |
| 1.1.4 多传感器图像融合研究现状 | 第35-39页 |
| 1.2 本文的创新点及结构安排 | 第39-43页 |
| 1.2.1 论文的创新点 | 第39-41页 |
| 1.2.2 论文结构安排 | 第41-43页 |
| 第二章 基于稀疏逼近算子的图像解模糊 | 第43-73页 |
| 2.1 引言 | 第43-47页 |
| 2.2 基于逼近算子的凸优化 | 第47-51页 |
| 2.2.1 基本定义 | 第47-48页 |
| 2.2.2 逼近算子及加速逼近梯度算法 | 第48-51页 |
| 2.3 基于稀疏逼近算子的图像解模糊算法 | 第51-57页 |
| 2.3.1 基于稀疏逼近算子的算法框架 | 第51-55页 |
| 2.3.2 稀疏逼近算子性质 | 第55-57页 |
| 2.3.3 子问题的一个近似解 | 第57页 |
| 2.4 实验配置及结果 | 第57-68页 |
| 2.4.1 实验配置 | 第58-59页 |
| 2.4.2 实验 (1)-(3) 的实验结果 | 第59-65页 |
| 2.4.3 实验 (4)-(5) 的实验结果 | 第65-68页 |
| 2.5 实验结果分析与讨论 | 第68-72页 |
| 2.6 小结 | 第72-73页 |
| 第三章 基于广义逼近共轭梯度的图像解模糊 | 第73-94页 |
| 3.1 引言 | 第73-75页 |
| 3.2 广义逼近共轭梯度算法框架 | 第75-81页 |
| 3.2.1 广义逼近算子的算法框架 | 第75-76页 |
| 3.2.2 广义逼近共轭梯度算法框架 | 第76-78页 |
| 3.2.3 GPCG 特点 | 第78-80页 |
| 3.2.4 子问题的一个近似解 | 第80-81页 |
| 3.3 广义逼近共轭梯度算法框架的收敛性 | 第81-83页 |
| 3.3.1 一些预先知识 | 第81页 |
| 3.3.2 GPCG 的收敛性 | 第81-83页 |
| 3.4 仿真实验及实验结果 | 第83-92页 |
| 3.4.1 实验配置 | 第83页 |
| 3.4.2 实验 (1) 基于相同正则化参数λ的实验结果 | 第83-86页 |
| 3.4.3 实验 (2) 在不同实验条件下的结果 | 第86-91页 |
| 3.4.4 实验 (3)、(4) 和 (5) 的实验结果 | 第91-92页 |
| 3.5 实验结果分析与讨论 | 第92-93页 |
| 3.6 小结 | 第93-94页 |
| 第四章 基于广义逼近算子的空间目标形态解模糊 | 第94-114页 |
| 4.1 引言 | 第94-96页 |
| 4.2 问题描述与分析 | 第96-97页 |
| 4.3 基于广义逼近算子和自适应卷积核校正的图像解模糊 | 第97-103页 |
| 4.3.1 理论基础 | 第97-101页 |
| 4.3.2 算法流程 | 第101-103页 |
| 4.4 实验配置及结果 | 第103-111页 |
| 4.4.1 实验配置 | 第103-105页 |
| 4.4.2 Lucy Richardson(LR) 算法的解模糊结果 | 第105-108页 |
| 4.4.3 基于归一化稀疏度 (NSM) 的解模糊结果 | 第108页 |
| 4.4.4 基于变分贝叶斯理论的解模糊结果 | 第108页 |
| 4.4.5 基于混合高斯先验模型 (MOG) 的解模糊结果 | 第108-110页 |
| 4.4.6 基于增强拉格朗日法的解模糊结果 | 第110页 |
| 4.4.7 基于广义逼近算子和自适应卷积核校正算法的解模糊结果 | 第110-111页 |
| 4.5 实验结果分析与讨论 | 第111-113页 |
| 4.6 小结 | 第113-114页 |
| 第五章 基于卡尔曼 -压缩感知的可分离时空动态图像融合 | 第114-134页 |
| 5.1 引言 | 第114页 |
| 5.2 静态图像融合概述 | 第114-115页 |
| 5.3 压缩感知理论 (Compressed Sensing, CS) | 第115-116页 |
| 5.4 卡尔曼 -压缩感知理论 | 第116-117页 |
| 5.5 可分离时空融合方法及算法框架 | 第117-121页 |
| 5.6 数值实验及实验结果 | 第121-130页 |
| 5.6.1 实验配置 | 第121-122页 |
| 5.6.2 第一个图像序列的实验结果 | 第122-125页 |
| 5.6.3 第二个图像序列的实验结果 | 第125页 |
| 5.6.4 第三个图像序列的实验结果 | 第125-130页 |
| 5.7 实验分析与讨论 | 第130-131页 |
| 5.8 小结 | 第131-134页 |
| 第六章 总结与展望 | 第134-137页 |
| 6.1 全文总结 | 第134-135页 |
| 6.2 研究展望 | 第135-137页 |
| 6.2.1 图像融合研究展望 | 第135-136页 |
| 6.2.2 图像解模糊研究展望 | 第136-137页 |
| 附录 A 图像复原与图像融合性能指标 | 第137-139页 |
| A.1 图像复原质量评估指标 | 第137页 |
| A.1.1 信噪比 (Signal-Noise-Ratio, SNR) | 第137页 |
| A.1.2 峰值信噪比 (Peak signal-Noise-Ratio, PSNR) | 第137页 |
| A.2 图像融合质量评估指标 | 第137-139页 |
| A.2.1 互信息 (Multual Informaton, MI) | 第137-138页 |
| A.2.2 熵 (Entropy, EN) | 第138页 |
| A.2.3 标准差 (Standard Deviation, STD) | 第138页 |
| A.2.4 总体交叉熵 (Overall Cross Entropy, OCE) | 第138页 |
| A.2.5 特征相似度 (Feature SIMilarity Index, FSIM) | 第138-139页 |
| 参考文献 | 第139-163页 |
| 致谢 | 第163-164页 |
| 攻读博士学位期间所完成的论文、技术报告和专利 | 第164-166页 |
| 攻读博士学位期间参与的科研项目 | 第166页 |
