改进的小波变换在遥感图像降噪中的应用
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9-10页 |
| 1.1.1 遥感图像的定义 | 第9页 |
| 1.1.2 遥感图像噪声的类型 | 第9-10页 |
| 1.2 研究意义 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-14页 |
| 1.3.1 小波遥感图像去噪的发展 | 第11-12页 |
| 1.3.2 独立分量分析方法的发展 | 第12-14页 |
| 1.4 技术路线图 | 第14-15页 |
| 第2章 遥感图像去噪的方法研究 | 第15-34页 |
| 2.1 小波分析概述 | 第15页 |
| 2.2 小波去噪的机理 | 第15-16页 |
| 2.3 小波去噪的方法 | 第16-20页 |
| 2.3.1 基于模极大值的图像去噪法 | 第16页 |
| 2.3.2 小波萎缩法 | 第16-18页 |
| 2.3.3 多小波去噪法 | 第18-19页 |
| 2.3.4 基于小波系数模型的去噪法 | 第19页 |
| 2.3.5 脊波、曲波去噪法 | 第19-20页 |
| 2.3.6 综合法 | 第20页 |
| 2.4 小波去噪小结 | 第20-21页 |
| 2.5 独立分量分析在遥感图像去噪处理中的应用 | 第21-32页 |
| 2.5.1 ICA问题的概述 | 第21-23页 |
| 2.5.2 独立分量分析基本模型 | 第23-25页 |
| 2.5.3 独立分量分析独立性的判据 | 第25-27页 |
| 2.5.4 基于负熵的快速定点算法 | 第27-28页 |
| 2.5.5 预处理 | 第28-32页 |
| 2.6 小结 | 第32-34页 |
| 第3章 小波分析—ICA去噪方法 | 第34-42页 |
| 3.1 小波相关理论 | 第34-36页 |
| 3.1.1 小波变换的思想 | 第34页 |
| 3.1.2 连续小波基函数 | 第34-36页 |
| 3.2 小波变换类型 | 第36-37页 |
| 3.2.1 连续小波变换 | 第36页 |
| 3.2.2 离散小波变换 | 第36-37页 |
| 3.2.3 二进小波变换 | 第37页 |
| 3.3 多分辨分析及尺度方程 | 第37-39页 |
| 3.4 MALLAT算法及分析模型 | 第39-40页 |
| 3.4.1 Mallat快速算法 | 第39-40页 |
| 3.4.2 带噪信号的独立分量分析模型 | 第40页 |
| 3.5 基于小波变换和ICA的分离方案 | 第40-42页 |
| 第4章 研究区示范 | 第42-58页 |
| 4.1 研究概况 | 第42-44页 |
| 4.2 遥感图像获取 | 第44页 |
| 4.3 遥感图像预处理 | 第44-51页 |
| 4.3.1 辐射定标 | 第45-46页 |
| 4.3.2 大气校正 | 第46-47页 |
| 4.3.3 图像融合 | 第47-48页 |
| 4.3.4 影像镶嵌 | 第48-49页 |
| 4.3.5 图像裁剪 | 第49-50页 |
| 4.3.6 波段优选 | 第50-51页 |
| 4.4 遥感图像去噪及其应用 | 第51-58页 |
| 4.4.1 遥感图像去噪 | 第51-53页 |
| 4.4.2 遥感图像分类 | 第53-58页 |
| 结论 | 第58-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-64页 |
