| 摘要 | 第5-8页 |
| ABSTRACT | 第8-11页 |
| 符号对照表 | 第15-17页 |
| 缩略语对照表 | 第17-22页 |
| 第一章 绪论 | 第22-46页 |
| 1.1 课题研究的背景及意义 | 第22-25页 |
| 1.2 遥感卫星的特点 | 第25-26页 |
| 1.3 多光谱影像与全色影像融合技术的研究现状 | 第26-37页 |
| 1.3.1 分量替换法 | 第28-31页 |
| 1.3.2 多分辨分析法 | 第31-35页 |
| 1.3.3 迭代复原法 | 第35-37页 |
| 1.4 稀疏表示理论 | 第37-39页 |
| 1.4.1 稀疏表示求解 | 第37-38页 |
| 1.4.2 构造过完备字典 | 第38-39页 |
| 1.5 质量评价指标 | 第39-42页 |
| 1.6 论文的主要工作及内容安排 | 第42-46页 |
| 第二章 基于稀疏非负矩阵分解的全色影像锐化方法 | 第46-58页 |
| 2.1 引言 | 第46-47页 |
| 2.2 非负矩阵分解 | 第47-49页 |
| 2.2.1 标准非负矩阵分解 | 第47-48页 |
| 2.2.2 稀疏非负矩阵分解 | 第48-49页 |
| 2.3 基于稀疏非负矩阵分解的全色影像锐化 | 第49-51页 |
| 2.4 实验结果与分析 | 第51-55页 |
| 2.4.1 QuickBird数据的实验结果 | 第51-53页 |
| 2.4.2 GeoEye数据的实验结果 | 第53-55页 |
| 2.5 本章小结 | 第55-58页 |
| 第三章 基于支撑值变换与半非负矩阵分解的全色影像锐化方法 | 第58-70页 |
| 3.1 引言 | 第58页 |
| 3.2 半非负矩阵分解与支撑值变换 | 第58-61页 |
| 3.2.1 半非负矩阵分解 | 第58-59页 |
| 3.2.2 最小二乘支撑向量机 | 第59-60页 |
| 3.2.3 支撑值变换 | 第60-61页 |
| 3.3 基于SVT与Semi-NMF的全色影像锐化 | 第61-63页 |
| 3.4 实验结果与分析 | 第63-69页 |
| 3.4.1 QuickBird数据的实验结果 | 第64-66页 |
| 3.4.2 GeoEye数据的实验结果 | 第66-69页 |
| 3.5 本章小结 | 第69-70页 |
| 第四章 基于深度支撑值学习网络的全色影像锐化方法 | 第70-86页 |
| 4.1 引言 | 第70-71页 |
| 4.2 深度支撑值学习网络 | 第71-73页 |
| 4.2.1 深度卷积神经网络 | 第71-72页 |
| 4.2.2 深度支撑值学习网络 | 第72-73页 |
| 4.3 基于DSVL Nets的全色影像锐化 | 第73-75页 |
| 4.3.1 DSVLNets模型 | 第73-75页 |
| 4.3.2 基于DSVL Nets的全色影像锐化 | 第75页 |
| 4.4 实验结果与分析 | 第75-84页 |
| 4.4.1 QuickBird数据的实验结果 | 第75-80页 |
| 4.4.2 GeoEye数据的实验结果 | 第80-84页 |
| 4.5 本章小结 | 第84-86页 |
| 第五章 基于多尺度几何变换与层次化稀疏自编码的全色影像锐化方法 | 第86-110页 |
| 5.1 引言 | 第86-87页 |
| 5.2 基于NSCT和HSAE的全色影像锐化 | 第87-90页 |
| 5.2.1 图像的多尺度几何表示 | 第87-88页 |
| 5.2.2 构造空间自相似字典 | 第88页 |
| 5.2.3 稀疏自编码模型 | 第88-89页 |
| 5.2.4 层次化稀疏自编码 | 第89-90页 |
| 5.3 实验结果与分析 | 第90-109页 |
| 5.3.1 数据集与实验条件 | 第90-91页 |
| 5.3.2 SAE模型性能分析 | 第91-94页 |
| 5.3.3 QuickBird数据的实验结果 | 第94-99页 |
| 5.3.4 GeoEye数据的实验结果 | 第99-103页 |
| 5.3.5 IKONOS数据的实验结果 | 第103-107页 |
| 5.3.6 参数分析 | 第107-109页 |
| 5.4 本章小结 | 第109-110页 |
| 第六章 基于方向树状存储过完备冗余字典的全色影像锐化方法 | 第110-122页 |
| 6.1 引言 | 第110页 |
| 6.2 构造过完备字典 | 第110-113页 |
| 6.2.1 KSVD学习字典 | 第111页 |
| 6.2.2 构造方向树状Ridgelet字典 | 第111-113页 |
| 6.3 基于方向树状存储过完备冗余字典的全色影像锐化 | 第113-115页 |
| 6.3.1 影像块分类 | 第113-114页 |
| 6.3.2 基于方向树状存储过完备冗余字典的全色影像锐化 | 第114-115页 |
| 6.4 实验结果与分析 | 第115-120页 |
| 6.4.1 QuickBird数据的实验结果 | 第115-117页 |
| 6.4.2 GeoEye数据的实验结果 | 第117-118页 |
| 6.4.3 IKONOS数据的实验结果 | 第118-120页 |
| 6.5 本章小结 | 第120-122页 |
| 第七章 基于几何可控核学习的全色影像锐化方法 | 第122-136页 |
| 7.1 引言 | 第122-123页 |
| 7.2 可控核 | 第123-125页 |
| 7.3 基于几何可控核学习的锐化模型 | 第125-127页 |
| 7.4 实验结果与分析 | 第127-134页 |
| 7.4.1 QuickBird数据的实验结果 | 第127-130页 |
| 7.4.2 IKONOS数据的实验结果 | 第130-133页 |
| 7.4.3 参数分析 | 第133-134页 |
| 7.5 本章小结 | 第134-136页 |
| 第八章 总结与展望 | 第136-140页 |
| 8.1 工作总结 | 第136-137页 |
| 8.2 工作展望 | 第137-140页 |
| 参考文献 | 第140-158页 |
| 致谢 | 第158-160页 |
| 作者简介 | 第160-161页 |
