| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 课题背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 主要研究内容 | 第12页 |
| 1.4 论文结构 | 第12-14页 |
| 第2章 传统的采样技术与压缩感知 | 第14-24页 |
| 2.1 信号处理技术与信号的采样 | 第14-16页 |
| 2.1.1 内容和意义 | 第14页 |
| 2.1.2 信号采样技术 | 第14-15页 |
| 2.1.3 信号的重构 | 第15-16页 |
| 2.2 采样定理 | 第16-17页 |
| 2.2.1 奈奎斯特采样定理 | 第16页 |
| 2.2.2 香农采样定理 | 第16-17页 |
| 2.3 压缩感知理论 | 第17-22页 |
| 2.3.1 压缩感知基本理论 | 第17-19页 |
| 2.3.2 压缩感知的核心问题 | 第19-20页 |
| 2.3.3 压缩感知的应用 | 第20-22页 |
| 2.4 本章小结 | 第22-24页 |
| 第3章 图像的超分辨率重建与模式识别 | 第24-34页 |
| 3.1 图像的超分辨率重建 | 第24-29页 |
| 3.1.1 内容和意义 | 第24-26页 |
| 3.1.2 超分辨率重建技术 | 第26-27页 |
| 3.1.3 超分辨率重建的应用 | 第27-29页 |
| 3.2 图像的模式识别 | 第29-33页 |
| 3.2.1 内容和意义 | 第29-30页 |
| 3.2.2 模式识别的方法 | 第30-31页 |
| 3.2.3 模式识别的应用 | 第31-32页 |
| 3.2.4 土地使用场景分类 | 第32-33页 |
| 3.3 本章小结 | 第33-34页 |
| 第4章 单帧图像的快速超分辨率重建 | 第34-56页 |
| 4.1 图像块的稀疏表示 | 第34-35页 |
| 4.2 字典的训练 | 第35-39页 |
| 4.2.1 有效和选择采样 | 第35-37页 |
| 4.2.2 自学习字典的准备 | 第37-39页 |
| 4.3 快速超分辨率重建 | 第39-41页 |
| 4.4 算法对比评估 | 第41-54页 |
| 4.5 本章小结 | 第54-56页 |
| 第5章 基于Gabor过滤的完整局部二元模式图像表示法 | 第56-70页 |
| 5.1 图像表示法 | 第56-61页 |
| 5.1.1 Gabor过滤 | 第56-57页 |
| 5.1.2 完整局部二元模式 | 第57-58页 |
| 5.1.3 基于内核的极端学习机 | 第58-59页 |
| 5.1.4 土地使用场景分类 | 第59-61页 |
| 5.2 算法实验 | 第61-68页 |
| 5.2.1 实验数据和设置 | 第61-62页 |
| 5.2.2 参数调整 | 第62-65页 |
| 5.2.3 对比实验 | 第65-68页 |
| 5.3 本章小结 | 第68-70页 |
| 第6章 结论与展望 | 第70-72页 |
| 参考文献 | 第72-78页 |
| 致谢 | 第78-80页 |
| 攻读学位期间发表的论文及参与项目 | 第80页 |