遥感图像中的云区域检测及去除方法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-14页 |
| ·引言 | 第8-10页 |
| ·课题研究背景 | 第10-11页 |
| ·课题研究意义 | 第11-12页 |
| ·主要研究工作以及内容安排 | 第12-14页 |
| ·本文主要的研究工作 | 第12页 |
| ·论文的组织结构 | 第12-14页 |
| 第二章 遥感图像的获取及模糊机理分析 | 第14-25页 |
| ·卫星遥感图像的获取 | 第14-19页 |
| ·卫星遥感系统的概述 | 第14-15页 |
| ·星载系统 | 第15-17页 |
| ·地面系统 | 第17-19页 |
| ·卫星遥感图像的模糊机理分析 | 第19-20页 |
| ·大气的干扰效应 | 第19-20页 |
| ·图像退化 | 第20页 |
| ·遥感图像的去云方法的研究现状 | 第20-25页 |
| ·多光谱图像的去云方法 | 第21-22页 |
| ·多幅图像叠加的去云方法 | 第22页 |
| ·基于同态滤波的去云方法 | 第22-23页 |
| ·基于数据融合的多传感器遥感图像去云的方法 | 第23-24页 |
| ·基于单幅图像的去云方法 | 第24-25页 |
| 第三章 云区域检测及去除的相关理论原理 | 第25-39页 |
| ·区域检测 | 第25-29页 |
| ·区域检测概述 | 第25-26页 |
| ·区域检测的主要方法 | 第26-27页 |
| ·阈值法 | 第27-29页 |
| ·数学形态学 | 第29-31页 |
| ·数学形态学的基本概念 | 第29-30页 |
| ·数学形态学基本运算 | 第30-31页 |
| ·数学形态学结构元素的选取 | 第31页 |
| ·PDE、图像修复的原理及模型 | 第31-39页 |
| ·图像修复概述 | 第31-32页 |
| ·最佳猜测原理与Bayesian框架理论 | 第32-34页 |
| ·几种常见的图像修复模型 | 第34-39页 |
| 第四章 遥感图像云区域检测 | 第39-49页 |
| ·引言 | 第39-40页 |
| ·基于最小交叉熵的遥感图像云区域检测 | 第40-42页 |
| ·阈值法区域检测 | 第40页 |
| ·基于最小交叉熵准则的云区域检测 | 第40-42页 |
| ·数学形态学运算 | 第42-43页 |
| ·云区域检测流程 | 第43-44页 |
| ·实验结果分析及结论 | 第44-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 基于偏微分方程的图像修复去云方法 | 第49-65页 |
| ·引言 | 第49-51页 |
| ·基于偏微分方程的图像修复去云方法 | 第51-56页 |
| ·曲率驱动扩散修复模型(CCD模型) | 第51-55页 |
| ·改进的曲率驱动扩散修复模型(CCD模型)算法 | 第55-56页 |
| ·算法的执行步骤 | 第56-57页 |
| ·实验结果分析及结论 | 第57-64页 |
| ·实验的目视结果 | 第57-60页 |
| ·实验结果统计分析及评价 | 第60-63页 |
| ·结论 | 第63-64页 |
| ·本章小结 | 第64-65页 |
| 第六章 总结及展望 | 第65-67页 |
| ·全文的工作总结 | 第65-66页 |
| ·今后的展望 | 第66-67页 |
| 参考文献 | 第67-72页 |
| 攻读硕士期间发表的论文 | 第72-73页 |
| 致谢 | 第73页 |
