基于支持向量机的遥感图像去噪与融合算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-15页 |
| ·选题目的及研究意义 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·本文的研究内容和组织结构 | 第12-15页 |
| 第二章 支持向量机原理 | 第15-27页 |
| ·统计学习理论 | 第15-19页 |
| ·机器学习的数学模型 | 第15-16页 |
| ·经验风险最小化 | 第16-17页 |
| ·函数集的VC维 | 第17页 |
| ·推广性的界 | 第17-18页 |
| ·结构风险最小化原理 | 第18-19页 |
| ·支持向量机 | 第19-24页 |
| ·最优分类面 | 第20-21页 |
| ·线性支持向量机 | 第21-22页 |
| ·非线性支持向量机 | 第22-24页 |
| ·支持向量回归 | 第24-25页 |
| ·本章小结 | 第25-27页 |
| 第三章 基于支持向量机的遥感图像去噪 | 第27-46页 |
| ·支持向量值滤波器 | 第27-28页 |
| ·非下采样方向滤波器组 | 第28-31页 |
| ·支持向量值轮廓波变换 | 第31-32页 |
| ·基于支持向量值轮廓波变换的SAR图像去噪 | 第32-45页 |
| ·SAR图像简介 | 第33页 |
| ·相干斑噪声模型 | 第33-34页 |
| ·算法描述 | 第34-35页 |
| ·实验结果与分析 | 第35-45页 |
| ·本章小结 | 第45-46页 |
| 第四章 基于支持向量机的遥感图像融合 | 第46-63页 |
| ·遥感图像融合层次 | 第46-47页 |
| ·遥感图像融合质量的评价 | 第47-50页 |
| ·基于支持向量值变换和PCNN的遥感图像融合算法 | 第50-62页 |
| ·支持向量值变换 | 第50页 |
| ·脉冲耦合神经网络(PCNN) | 第50-52页 |
| ·算法描述 | 第52-54页 |
| ·融合规则 | 第53页 |
| ·算法步骤 | 第53-54页 |
| ·实验结果与分析 | 第54-62页 |
| ·本章小结 | 第62-63页 |
| 第五章 总结与展望 | 第63-65页 |
| ·全文工作总结 | 第63页 |
| ·今后工作的展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士期间发表的论文 | 第69页 |
| 攻读硕士期间参加的科研项目 | 第69-70页 |
| 致谢 | 第70页 |
