| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 符号对照表 | 第13-14页 |
| 缩略语对照表 | 第14-18页 |
| 第一章 绪论 | 第18-34页 |
| 1.1 选题背景和意义 | 第18-20页 |
| 1.2 国内外研究现状分析 | 第20-31页 |
| 1.2.1 图像去噪的研究现状 | 第20-28页 |
| 1.2.2 高分辨率遥感图像变化检测研究现状 | 第28-30页 |
| 1.2.3 存在的问题 | 第30-31页 |
| 1.3 论文的主要研究思路和结构安排 | 第31-34页 |
| 第二章 基于主成分分析和字典学习的高光谱遥感图像去噪 | 第34-50页 |
| 2.1 高光谱图像去加性噪声的研究现状 | 第34-36页 |
| 2.2 基于主成分分析和字典学习的高光谱遥感图像去噪 | 第36-41页 |
| 2.2.1 光谱维PCA变换 | 第36-38页 |
| 2.2.2 基于K-SVD算法的噪声成分图像去噪 | 第38-41页 |
| 2.3 数值实验 | 第41-49页 |
| 2.3.1 模拟数据实验结果 | 第42-47页 |
| 2.3.2 真实数据实验结果 | 第47-49页 |
| 2.4 本章小结 | 第49-50页 |
| 第三章 基于过完备光滑字典的加性噪声去除模型 | 第50-64页 |
| 3.1 预备知识 | 第50-53页 |
| 3.1.1 TGV的定义和性质 | 第50-51页 |
| 3.1.2 消失矩及其对基于小波变换的图像去噪效果的影响 | 第51-53页 |
| 3.2 过完备光滑字典学习模型 | 第53-57页 |
| 3.2.1 字典学习模型的建立 | 第53-55页 |
| 3.2.2 字典学习模型的求解 | 第55-57页 |
| 3.2.3 基于光滑过完备字典的图像去噪 | 第57页 |
| 3.3 数值实验 | 第57-63页 |
| 3.3.1 峰值信噪比比较 | 第57-60页 |
| 3.3.2 字典光滑性的比较 | 第60-61页 |
| 3.3.3 去噪图像的视觉比较 | 第61-63页 |
| 3.4 本章小结 | 第63-64页 |
| 第四章 基于高阶奇异值分解和总变差正则的乘性噪声去除模型 | 第64-82页 |
| 4.1 乘性噪声去除的研究现状 | 第64-68页 |
| 4.1.1 乘性Gamma噪声的数学表示 | 第64-66页 |
| 4.1.2 研究现状 | 第66-67页 |
| 4.1.3 HMNZ模型 | 第67-68页 |
| 4.2 基于高阶奇异值分解和总变差的乘性噪声去除模型 | 第68-74页 |
| 4.2.1 模型的建立 | 第69-70页 |
| 4.2.2 模型求解 | 第70-74页 |
| 4.3 数值实验 | 第74-80页 |
| 4.3.1 参数选择 | 第74页 |
| 4.3.2 客观评价 | 第74-76页 |
| 4.3.3 主观评价 | 第76-80页 |
| 4.4 本章小结 | 第80-82页 |
| 第五章 基于变化场的城市场景高分辨率遥感图像变化检测 | 第82-100页 |
| 5.1 背景知识 | 第82-84页 |
| 5.1.1 变化特征抽取 | 第82-84页 |
| 5.1.2 变化特征分类 | 第84页 |
| 5.2 变化场的定义 | 第84-89页 |
| 5.3 基于变化场的城市场景高分辨率遥感图像变化检测 | 第89-93页 |
| 5.3.1 变化场的计算 | 第89-90页 |
| 5.3.2 变化场的分割 | 第90-93页 |
| 5.4 数值实验 | 第93-99页 |
| 5.5 本章小结 | 第99-100页 |
| 第六章 结论和展望 | 第100-102页 |
| 6.1 研究结论 | 第100-101页 |
| 6.2 研究展望 | 第101-102页 |
| 参考文献 | 第102-114页 |
| 致谢 | 第114-116页 |
| 作者简介 | 第116-117页 |
