高光谱与高空间分辨率遥感图像融合算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-21页 |
| ·课题研究的目的及意义 | 第9-10页 |
| ·多源图像融合技术的发展现状与分析 | 第10-13页 |
| ·高光谱与高空间分辨率图像数据特点及发展现状 | 第13-16页 |
| ·高光谱图像数据特点及发展现状 | 第13-15页 |
| ·高空间分辨率图像数据特点及发展现状 | 第15-16页 |
| ·高光谱与高空间分辨率图像融合过程分析 | 第16-17页 |
| ·多源图像融合算法评价 | 第17-19页 |
| ·课题来源和研究内容及论文结构 | 第19-21页 |
| ·课题来源 | 第19页 |
| ·课题主要研究内容 | 第19-20页 |
| ·论文结构 | 第20-21页 |
| 第2章 高光谱图像特征提取算法研究 | 第21-39页 |
| ·引言 | 第21页 |
| ·高光谱图像数据特征提取方法 | 第21-22页 |
| ·高光谱图像数据线性特征提取 | 第22-26页 |
| ·基于PCA变换的线性特征提取原理 | 第23-25页 |
| ·基于PCA变换的线性特征提取算法实现 | 第25-26页 |
| ·PCA变换后图像数据分析 | 第26页 |
| ·基于流形学习的高光谱特征数据非线性特征提取 | 第26-32页 |
| ·流形学习原理 | 第27-28页 |
| ·基于LLE的高光谱图像特征提取 | 第28-31页 |
| ·LLE特征提取后图像数据分析 | 第31-32页 |
| ·PCA与LLE特征提取实验结果对比分析 | 第32-37页 |
| ·在异常点检测中的应用 | 第32-35页 |
| ·在背景分类中的应用 | 第35-37页 |
| ·本章小结 | 第37-39页 |
| 第3章 多源图像融合经典方法及改进算法 | 第39-55页 |
| ·引言 | 第39页 |
| ·图像数据预处理 | 第39-40页 |
| ·多源图像像素级经典融合算法研究 | 第40-46页 |
| ·基于IHS变换的融合算法 | 第40-42页 |
| ·基于Brovey变换的融合算法 | 第42-43页 |
| ·基于高通滤波的融合算法 | 第43-44页 |
| ·基于PCA变换的融合算法 | 第44-45页 |
| ·基于SCN的融合算法 | 第45-46页 |
| ·经典融合改进算法研究 | 第46-48页 |
| ·IHS柱形变换融合改进算法研究 | 第46-47页 |
| ·SCN融合改进算法研究 | 第47-48页 |
| ·实验结果与分析 | 第48-54页 |
| ·本章小结 | 第54-55页 |
| 第4章 基于注入模型的像素级统一融合算法研究 | 第55-71页 |
| ·引言 | 第55页 |
| ·像素级融合统一公式研究 | 第55-62页 |
| ·几种经典像素级融合算法分析 | 第55-61页 |
| ·像素级融合统一公式及参数分析 | 第61-62页 |
| ·基于注入模型的融合算法研究 | 第62-67页 |
| ·注入模型融合算法理论 | 第62-63页 |
| ·注入模型融合算法过程分析 | 第63-67页 |
| ·实验结果与分析 | 第67-70页 |
| ·本章小结 | 第70-71页 |
| 结论 | 第71-72页 |
| 参考文献 | 第72-77页 |
| 攻读学位期间发表的学术论文 | 第77-79页 |
| 致谢 | 第79页 |
