基于纹理字典的星地协同处理遥感数据的算法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第1章 绪论 | 第9-17页 |
| ·论文背景与研究意义 | 第9-10页 |
| ·课题提出 | 第10页 |
| ·国内外研究现状 | 第10-12页 |
| ·构建字典的研究现状 | 第11-12页 |
| ·稀疏编码的研究现状 | 第12页 |
| ·论文研究内容与组织框架 | 第12-17页 |
| ·论文主体思路 | 第12-14页 |
| ·论文主要研究内容 | 第14页 |
| ·论文章节安排 | 第14-17页 |
| 第2章 图像的稀疏表征理论 | 第17-33页 |
| ·图像的稀疏表征理论 | 第17-19页 |
| ·稀疏编码算法 | 第19-24页 |
| ·基追踪算法 | 第19-20页 |
| ·匹配追踪算法 | 第20-22页 |
| ·正交匹配追踪算法 | 第22-24页 |
| ·字典学习理论 | 第24-29页 |
| ·字典学习步骤 | 第24-26页 |
| ·字典学习的经典算法 | 第26-29页 |
| ·算法性能的评价 | 第29-31页 |
| ·评价重建图像质量 | 第29-30页 |
| ·稀疏性的度量方法 | 第30-31页 |
| ·本章总结 | 第31-33页 |
| 第3章 海量遥感图像的字典学习方法 | 第33-49页 |
| ·引言 | 第33-34页 |
| ·基于粒子群优化的字典学习算法 | 第34-39页 |
| ·实验结果与分析 | 第39-47页 |
| ·重建图像的视觉对比试验 | 第40-41页 |
| ·算法重建性能的定量试验 | 第41-44页 |
| ·地面系统海量遥感图像实验 | 第44-47页 |
| ·本章总结 | 第47-49页 |
| 第4章 基于增量数据的字典学习算法 | 第49-63页 |
| ·引言 | 第49-52页 |
| ·K-SVD算法机理 | 第49-51页 |
| ·K-SVD算法的优缺点 | 第51-52页 |
| ·基于动态增量式原子更新的字典学习算法 | 第52-57页 |
| ·算法的机理 | 第52-54页 |
| ·算法的流程 | 第54-57页 |
| ·实验结果与分析 | 第57-62页 |
| ·算法的重建性能实验 | 第58-60页 |
| ·海量遥感图像的实验 | 第60-62页 |
| ·本章小结 | 第62-63页 |
| 第5章 星上稀疏表征算法 | 第63-75页 |
| ·引言 | 第63-64页 |
| ·基于参考图像的压缩感知算法 | 第64-68页 |
| ·先验知识的引入机理 | 第64-66页 |
| ·目标函数的优化机理 | 第66-68页 |
| ·实验结果与分析 | 第68-73页 |
| ·重建效果图实验 | 第68-71页 |
| ·正则化参数对于重建精度的影响实验 | 第71-72页 |
| ·算法的重建性能定量试验 | 第72-73页 |
| ·本章小结 | 第73-75页 |
| 结论 | 第75-77页 |
| 参考文献 | 第77-81页 |
| 致谢 | 第81-83页 |
| 在读期间发表的学术论文与取得的其他研究成果 | 第83页 |
