基于深度学习的多波段图像自适应融合方法研究
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 1. 绪论 | 第11-23页 |
| 1.1 课题研究背景与意义 | 第11-12页 |
| 1.1.1 课题研究背景 | 第11-12页 |
| 1.1.2 课题研究意义 | 第12页 |
| 1.2 图像融合方法研究现状 | 第12-19页 |
| 1.2.1 图像融合中分解与重构方法研究现状 | 第13-15页 |
| 1.2.2 融合规则研究现状 | 第15-16页 |
| 1.2.3 图像融合评价研究现状 | 第16-18页 |
| 1.2.4 彩色融合研究现状 | 第18-19页 |
| 1.3 深度学习研究现状 | 第19-21页 |
| 1.3.1 深度学习模型研究现状 | 第19-20页 |
| 1.3.2 深度学习优化方法研究现状 | 第20-21页 |
| 1.4 论文技术路线、研究内容和章节安排 | 第21-22页 |
| 1.4.1 论文技术路线 | 第21页 |
| 1.4.2 章节安排 | 第21-22页 |
| 1.5 本章小结 | 第22-23页 |
| 2. 深度学习数据处理与模型训练 | 第23-33页 |
| 2.1 概述 | 第23页 |
| 2.2 图像预处理 | 第23-27页 |
| 2.2.1 图像去噪 | 第23-25页 |
| 2.2.2 图像增强 | 第25-26页 |
| 2.2.3 图像配准 | 第26-27页 |
| 2.3 训练集构建 | 第27-29页 |
| 2.3.1 自适应分解重构网络训练集构建 | 第27页 |
| 2.3.2 自适应融合网络训练集构建 | 第27-28页 |
| 2.3.3 自适应彩色化网络训练集构建 | 第28-29页 |
| 2.4 深度学习模型构建 | 第29-30页 |
| 2.4.1 AE构建 | 第29页 |
| 2.4.2 CNN构建 | 第29-30页 |
| 2.5 深度学习模型训练方法 | 第30-32页 |
| 2.5.1 反向传播算法 | 第30-31页 |
| 2.5.2 模型训练优化方法 | 第31-32页 |
| 2.6 本章小结 | 第32-33页 |
| 3. 多波段图像分解重构滤波器自适应方法 | 第33-45页 |
| 3.1 概述 | 第33-35页 |
| 3.2 自适应分解重构网络构建与训练 | 第35-40页 |
| 3.2.1 网络结构 | 第35-36页 |
| 3.2.2 网络训练 | 第36-37页 |
| 3.2.3 网络参数选择及影响 | 第37-40页 |
| 3.3 实验结果比较 | 第40-43页 |
| 3.3.1 主观评价 | 第40-42页 |
| 3.3.2 客观评价 | 第42-43页 |
| 3.4 本章小结 | 第43-45页 |
| 4. 多波段图像融合规则自适应方法 | 第45-55页 |
| 4.1 概述 | 第45-47页 |
| 4.2 自适应融合网络构建与训练 | 第47-51页 |
| 4.2.1 网络结构 | 第47页 |
| 4.2.2 网络训练 | 第47-48页 |
| 4.2.3 网络参数选择及影响 | 第48-51页 |
| 4.3 实验结果比较 | 第51-54页 |
| 4.3.1 主观评价 | 第51-52页 |
| 4.3.2 客观评价 | 第52-54页 |
| 4.4 本章小结 | 第54-55页 |
| 5. 多波段融合图像自适应彩色化方法 | 第55-61页 |
| 5.1 概述 | 第55-56页 |
| 5.2 自适应彩色化网络构建与训练 | 第56-57页 |
| 5.2.1 网络结构 | 第56-57页 |
| 5.2.2 网络训练 | 第57页 |
| 5.3 实验结果比较 | 第57-60页 |
| 5.3.1 主观评价 | 第57-58页 |
| 5.3.2 客观评价 | 第58-60页 |
| 5.4 本章小结 | 第60-61页 |
| 6. 总结与展望 | 第61-65页 |
| 6.1 概述 | 第61页 |
| 6.2 本文主要工作与创新点总结 | 第61-62页 |
| 6.3 下一步研究方向展望 | 第62-65页 |
| 参考文献 | 第65-71页 |
| 攻读硕士期间发表的论文及所取得的研究成果 | 第71-73页 |
| 致谢 | 第73-74页 |
