| 博士论文创新点 | 第5-9页 |
| 中文摘要 | 第9-11页 |
| ABSTRACT | 第11-13页 |
| 第一章 绪论 | 第14-32页 |
| 1.1 研究背景 | 第14-17页 |
| 1.1.1 高光谱成像光谱仪介绍 | 第14-15页 |
| 1.1.2 高光谱数据的特点 | 第15-17页 |
| 1.2 研究问题和意义 | 第17-27页 |
| 1.2.1 噪声建模与分类 | 第17-21页 |
| 1.2.2 噪声分析研究现状 | 第21-26页 |
| 1.2.3 存在的问题 | 第26-27页 |
| 1.3 研究问题和意义 | 第27-32页 |
| 1.3.1 研究内容 | 第27-29页 |
| 1.3.2 论文章节安排 | 第29-32页 |
| 第二章 高光谱影像噪声分析方法 | 第32-48页 |
| 2.1 高光谱噪声估计 | 第32-35页 |
| 2.1.1 基于空间维的方法 | 第32-34页 |
| 2.1.2 基于光谱维的方法 | 第34-35页 |
| 2.2 噪声分析的基本方法 | 第35-43页 |
| 2.2.1 全变差先验模型 | 第36-38页 |
| 2.2.2 稀疏先验模型 | 第38-41页 |
| 2.2.3 低秩先验模型 | 第41-43页 |
| 2.3 影像质量评价方法 | 第43-45页 |
| 2.4 本章小结 | 第45-48页 |
| 第三章 高光谱影像混合噪声分析方法 | 第48-96页 |
| 3.1 基于低秩与稀疏分解的高光谱噪声分析方法 | 第48-63页 |
| 3.1.1 高光谱影像的低秩先验特性 | 第48-51页 |
| 3.1.2 基于低秩与稀疏分解的高光谱去噪方法 | 第51-53页 |
| 3.1.3 实验分析 | 第53-63页 |
| 3.1.4 结论 | 第63页 |
| 3.2 全变差正则化的低秩分解方法 | 第63-77页 |
| 3.2.1 基于全变差正则化的高光谱噪声分析方法 | 第63-65页 |
| 3.2.2 联合全变差与低秩分解的高光谱噪声分析方法 | 第65-69页 |
| 3.2.3 实验分析 | 第69-77页 |
| 3.2.4 结论 | 第77页 |
| 3.3 空谱全变差正则化的局部低秩分解方法 | 第77-94页 |
| 3.3.1 基于空谱全变差正则化的低秩分解高光谱去噪建模 | 第78-80页 |
| 3.3.2 模型优化求解 | 第80-83页 |
| 3.3.3 实验分析 | 第83-93页 |
| 3.3.4 结论 | 第93-94页 |
| 3.4 本章小结 | 第94-96页 |
| 第四章 高光谱影像有色噪声的分析方法 | 第96-110页 |
| 4.1 噪声自适应迭代的高光谱影像去噪方法 | 第96-98页 |
| 4.1.1 基于低秩分解的高光谱噪声分析方法 | 第96-97页 |
| 4.1.2 噪声自适应迭代框架 | 第97-98页 |
| 4.2 模型求解 | 第98-100页 |
| 4.2.1 随机奇异值分解(RSVD) | 第98-99页 |
| 4.2.2 参数的自适应确定方法 | 第99-100页 |
| 4.3 实验分析 | 第100-109页 |
| 4.4 本章小结 | 第109-110页 |
| 第五章 鲁棒性混合像元分解的研究方法 | 第110-142页 |
| 5.1 高光谱混合像元分解模型 | 第110-112页 |
| 5.1.1 线性混合模型 | 第110-111页 |
| 5.1.2 非负矩阵分解 | 第111-112页 |
| 5.2 全变差正则化的稀疏非负矩阵分解方法 | 第112-127页 |
| 5.2.1 全变差正则化的重加权稀疏非负矩阵分解建模 | 第112-115页 |
| 5.2.2 模型求解 | 第115-119页 |
| 5.2.3 实验分析 | 第119-127页 |
| 5.2.4 结论 | 第127页 |
| 5.3 鲁棒性稀疏非负矩阵分解方法 | 第127-141页 |
| 5.3.1 鲁棒性稀疏非负矩阵分解建模 | 第128-130页 |
| 5.3.2 模型求解 | 第130-133页 |
| 5.3.3 实验分析 | 第133-140页 |
| 5.3.4 结论 | 第140-141页 |
| 5.4 本章小结 | 第141-142页 |
| 第六章 总结与展望 | 第142-144页 |
| 6.1 本文总结 | 第142-143页 |
| 6.2 研究展望 | 第143-144页 |
| 参考文献 | 第144-155页 |
| 附录 | 第155-158页 |
| 致谢 | 第158-159页 |
