基于全卷积神经网络的遥感影像修复方法研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第13-21页 |
| 1.1 课题研究的背景及意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.2.1 影像修复现状 | 第14-15页 |
| 1.2.2 卷积神经网络研究现状 | 第15-17页 |
| 1.3 本文主要研究内容 | 第17页 |
| 1.4 论文组织结构 | 第17-21页 |
| 2 遥感影像修复相关基础 | 第21-29页 |
| 2.1 遥感影像修复数学原理 | 第21-22页 |
| 2.2 遥感影像成像原理 | 第22-23页 |
| 2.3 常用的影像修复方法 | 第23-25页 |
| 2.3.1 维纳滤波 | 第23-24页 |
| 2.3.2 替换法 | 第24-25页 |
| 2.3.3 盲去卷积复原法 | 第25页 |
| 2.4 影像质量评价标准 | 第25-27页 |
| 2.4.1 主观评价方法 | 第25-26页 |
| 2.4.2 客观评价方法 | 第26-27页 |
| 2.4.3 遥感影像修复的基本原则 | 第27页 |
| 2.5 本章小结 | 第27-29页 |
| 3 全卷积神经网络支持下的遥感影像修复 | 第29-43页 |
| 3.1 全卷积神经网络结构与原理 | 第29-35页 |
| 3.2 全卷积神经网络特点 | 第35-38页 |
| 3.3 全卷积神经网络修复模型原理 | 第38-39页 |
| 3.4 实验结果分析 | 第39-42页 |
| 3.5 本章小结 | 第42-43页 |
| 4 基于多尺度全卷积神经网络遥感影像纹理修复 | 第43-51页 |
| 4.1 网络模型描述 | 第43页 |
| 4.2 基于金字塔分解的多尺度影像修复 | 第43-46页 |
| 4.2.1 理论基础 | 第43-44页 |
| 4.2.2 构建尺度空间 | 第44-46页 |
| 4.3 多尺度影像融合 | 第46-47页 |
| 4.4 实验结果与分析 | 第47-49页 |
| 4.5 本章小结 | 第49-51页 |
| 5 基于全卷积神经网络语义分割的遥感影像波段修复 | 第51-65页 |
| 5.1 基本原理 | 第51-58页 |
| 5.1.1 均值漂移分割原理 | 第53-56页 |
| 5.1.2 象元替换原理 | 第56-58页 |
| 5.2 实验结果分析 | 第58-62页 |
| 5.3 本章小结 | 第62-65页 |
| 6 结论与展望 | 第65-67页 |
| 6.1 结论 | 第65页 |
| 6.2 展望 | 第65-67页 |
| 致谢 | 第67-69页 |
| 参考文献 | 第69-72页 |
