| 中文摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 绪论 | 第9-21页 |
| 1.1 本文的研究背景及意义 | 第9-12页 |
| 1.2 遥感图像分辨率增强研究现状 | 第12-13页 |
| 1.3 基于数据融合的分辨率增强研究现状 | 第13-19页 |
| 1.3.1 基于传统数据融合方法研究现状 | 第13-15页 |
| 1.3.2 基于时空自适应反射率融合模型发展现状 | 第15-17页 |
| 1.3.3 基于神经网络的数据融合发展状况 | 第17-19页 |
| 1.4 论文结构 | 第19-21页 |
| 第2章 研究区域与数据处理 | 第21-31页 |
| 2.1 研究区域 | 第22-23页 |
| 2.2 数据选择依据 | 第23-26页 |
| 2.3 数据预处理 | 第26-30页 |
| 2.3.1 Landsat8OLI影像辐射定标 | 第26-27页 |
| 2.3.2 Landsat8OLI影像大气校正 | 第27-28页 |
| 2.3.3 MODIS影像几何校正 | 第28-29页 |
| 2.3.4 MODIS投影转换 | 第29页 |
| 2.3.5 影像配准 | 第29-30页 |
| 2.4 小结 | 第30-31页 |
| 第3章 基于时空融合的分辨率增强算法 | 第31-43页 |
| 3.1 时空数据融合方法 | 第31-35页 |
| 3.1.1 时空融合算法原理 | 第32-33页 |
| 3.1.2 时空融合算法主要参数 | 第33-34页 |
| 3.1.3 时空融合算法像元选择 | 第34-35页 |
| 3.1.4 存在问题 | 第35页 |
| 3.2 基于STARFM改进的时空数据融合方法 | 第35-38页 |
| 3.2.1 混合像元问题校正 | 第35-36页 |
| 3.2.2 BRDF效应校正 | 第36-37页 |
| 3.2.3 STARFM融合算法改进 | 第37-38页 |
| 3.3 影像融合质量评价 | 第38-41页 |
| 3.3.1 融合影像主观质量评价 | 第38-39页 |
| 3.3.2 融合影像的客观质量评价 | 第39-41页 |
| 3.4 实验结果与分析 | 第41-42页 |
| 3.5 小结 | 第42-43页 |
| 第4章 基于神经网络的分辨率增强 | 第43-57页 |
| 4.1 神经网络的概述 | 第43-47页 |
| 4.1.1 神经元 | 第43-45页 |
| 4.1.2 神经网络的分类基本及特点 | 第45-47页 |
| 4.2 基于卷积神经网络反射率时空融合 | 第47-51页 |
| 4.2.1 基于卷积神经网络的影像分辨率增强 | 第47-48页 |
| 4.2.2 SRCNN模型及其原理 | 第48-50页 |
| 4.2.3 SRCNN训练 | 第50-51页 |
| 4.3 基于卷积神经网络图像超分辨率的算法改进 | 第51-55页 |
| 4.3.1 PSO算法 | 第51页 |
| 4.3.2 PSO算法流程 | 第51-52页 |
| 4.3.3 基于PSO-SRCNN的图像超分率重建 | 第52-55页 |
| 4.4 实验结果与分析 | 第55-56页 |
| 4.5 小结 | 第56-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-67页 |
| 致谢 | 第67-68页 |
| 攻读学位期间发表论文 | 第68-69页 |