| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 符号对照表 | 第15-17页 |
| 缩略语对照表 | 第17-23页 |
| 第一章 绪论 | 第23-41页 |
| 1.1 研究背景及意义 | 第23-26页 |
| 1.2 多光谱与全色图像融合方法研究现状及进展 | 第26-31页 |
| 1.2.1 基于成分替代的多光谱与全色图像融合方法 | 第26-28页 |
| 1.2.2 基于多尺度分析的多光谱与全色图像融合方法 | 第28-29页 |
| 1.2.3 基于观测模型的多光谱与全色图像融合方法 | 第29-30页 |
| 1.2.4 多光谱与全色图像融合方法发展趋势 | 第30-31页 |
| 1.3 多光谱与高光谱图像融合方法研究现状及进展 | 第31-34页 |
| 1.3.1 基于全色锐化模型拓展的多光谱与高光谱图像融合方法 | 第32页 |
| 1.3.2 基于观测模型的多光谱与高光谱图像融合方法 | 第32-34页 |
| 1.3.3 多光谱与高光谱图像融合方法发展趋势 | 第34页 |
| 1.4 遥感图像融合质量评价标准 | 第34-37页 |
| 1.5 本文工作 | 第37-41页 |
| 第二章 基于耦合稀疏非负矩阵分解的多光谱与全色图像融合方法 | 第41-55页 |
| 2.1 引言 | 第41页 |
| 2.2 非负矩阵分解 | 第41-42页 |
| 2.3 基于耦合稀疏非负矩阵分解的融合方法 | 第42-45页 |
| 2.3.1 融合模型 | 第42-44页 |
| 2.3.2 优化方法 | 第44-45页 |
| 2.4 实验结果与分析 | 第45-54页 |
| 2.4.1 实验设置 | 第45-46页 |
| 2.4.2 融合模型分析 | 第46-47页 |
| 2.4.3 模型参数分析 | 第47-48页 |
| 2.4.4 仿真数据结果分析 | 第48-51页 |
| 2.4.5 真实数据结果分析 | 第51-54页 |
| 2.5 本章小结 | 第54-55页 |
| 第三章 基于卷积结构稀疏编码的多光谱与全色图像融合方法 | 第55-79页 |
| 3.1 引言 | 第55-57页 |
| 3.2 卷积稀疏编码 | 第57-58页 |
| 3.3 基于卷积结构稀疏编码的融合方法 | 第58-63页 |
| 3.3.1 融合模型 | 第58-60页 |
| 3.3.2 优化算法 | 第60-63页 |
| 3.3.3 复杂度分析 | 第63页 |
| 3.4 高/低分辨率滤波器联合学习框架 | 第63-68页 |
| 3.4.1 特征图估计 | 第64-65页 |
| 3.4.2 滤波器学习 | 第65-68页 |
| 3.4.3 复杂度分析 | 第68页 |
| 3.5 实验结果与分析 | 第68-78页 |
| 3.5.1 实验设置 | 第68页 |
| 3.5.2 权重参数分析 | 第68-70页 |
| 3.5.3 滤波器参数分析 | 第70-71页 |
| 3.5.4 仿真数据结果分析 | 第71-74页 |
| 3.5.5 真实数据结果分析 | 第74-77页 |
| 3.5.6 运行时间分析 | 第77-78页 |
| 3.6 本章小结 | 第78-79页 |
| 第四章 基于低秩分解与空谱抵消成分的多光谱与全色图像融合方法 | 第79-97页 |
| 4.1 引言 | 第79-80页 |
| 4.2 低秩矩阵分解 | 第80-81页 |
| 4.3 基于低秩分解与空谱抵消成分的融合方法 | 第81-86页 |
| 4.3.1 融合模型 | 第81-82页 |
| 4.3.2 优化算法 | 第82-86页 |
| 4.4 实验结果与分析 | 第86-95页 |
| 4.4.1 实验设置 | 第86页 |
| 4.4.2 融合模型分析 | 第86-87页 |
| 4.4.3 权重参数分析 | 第87-88页 |
| 4.4.4 仿真数据结果分析 | 第88-92页 |
| 4.4.5 真实数据结果分析 | 第92-95页 |
| 4.5 本章小结 | 第95-97页 |
| 第五章 基于低秩分解与组光谱嵌入的多光谱与高光谱图像融合方法 | 第97-113页 |
| 5.1 引言 | 第97-98页 |
| 5.2 基于低秩分解与组光谱嵌入的融合方法 | 第98-103页 |
| 5.2.1 高光谱图像的低秩分解模型 | 第98-99页 |
| 5.2.2 组光谱嵌入正则 | 第99-100页 |
| 5.2.3 融合模型 | 第100-101页 |
| 5.2.4 优化算法 | 第101-103页 |
| 5.3 实验结果与分析 | 第103-111页 |
| 5.3.1 实验设置 | 第103-104页 |
| 5.3.2 权重参数分析 | 第104-105页 |
| 5.3.3 Pavia数据结果分析 | 第105-108页 |
| 5.3.4 Washington数据结果分析 | 第108-111页 |
| 5.4 本章小结 | 第111-113页 |
| 第六章 基于低秩张量分解与空谱图正则的多光谱与高光谱图像融合方法 | 第113-133页 |
| 6.1 引言 | 第113-114页 |
| 6.2 张量分解 | 第114-115页 |
| 6.3 基于低秩张量分解与空谱图正则的融合方法 | 第115-119页 |
| 6.3.1 低秩张量融合模型 | 第115-116页 |
| 6.3.2 空间图正则 | 第116-117页 |
| 6.3.3 光谱图正则 | 第117-118页 |
| 6.3.4 融合框架 | 第118页 |
| 6.3.5 空谱图正则分析 | 第118-119页 |
| 6.4 优化算法 | 第119-122页 |
| 6.4.1 基于增广拉格朗日乘子的优化方法 | 第119-121页 |
| 6.4.2 复杂度分析 | 第121-122页 |
| 6.5 实验结果与分析 | 第122-130页 |
| 6.5.1 实验设置 | 第122页 |
| 6.5.2 权重参数分析 | 第122-123页 |
| 6.5.3 超像素边缘效应分析 | 第123-124页 |
| 6.5.4 Pavia数据结果分析 | 第124-127页 |
| 6.5.5 Washington数据结果分析 | 第127-130页 |
| 6.5.6 运行时间分析 | 第130页 |
| 6.6 本章小结 | 第130-133页 |
| 第七章 总结与展望 | 第133-137页 |
| 7.1 工作总结 | 第133-134页 |
| 7.2 工作展望 | 第134-137页 |
| 参考文献 | 第137-153页 |
| 致谢 | 第153-155页 |
| 作者简介 | 第155-158页 |
