首页--工业技术论文--自动化技术、计算机技术论文--遥感技术论文--遥感图像的解译、识别与处理论文--图像处理方法论文

基于低秩表示的高光谱图像降噪和修复算法研究

摘要第4-6页
abstract第6-7页
第一章 绪论第15-21页
    1.1 研究背景与意义第15-16页
        1.1.1 研究背景第15-16页
        1.1.2 研究意义第16页
    1.2 研究现状与发展趋势第16-18页
        1.2.1 研究现状第16-18页
        1.2.2 发展趋势-低秩表示第18页
    1.3 论文的主要研究内容第18-19页
    1.4 全文章节安排第19-21页
第二章 高光谱图像的低秩表示和图像的自相似性质第21-33页
    2.1 引言第21-22页
    2.2 高光谱图像的特点第22-23页
    2.3 高光谱图像的低秩表示原理第23-28页
    2.4 基于图像自相似结构的降噪和修复算法原理第28-31页
        2.4.1 基于图像自相似结构的BM3D降噪算法原理第29-30页
        2.4.2 基于图像自相似结构的Criminisi修复算法原理第30-31页
    2.5 本章小结第31-33页
第三章 基于低秩表示的高光谱图像降噪算法HyDRoS和HyDeMuNN第33-57页
    3.1 引言第33-34页
    3.2 HyDRoS高光谱图像降噪算法与实验验证第34-48页
        3.2.1 HyDRoS算法原理第34-37页
        3.2.2 实验验证第37-48页
    3.3 HyDeMuNN高光谱图像降噪算法与实验验证第48-56页
        3.3.1 HyDeMuNN算法原理第48-52页
        3.3.2 实验验证第52-56页
    3.4 本章小结第56-57页
第四章 基于低秩表示的高光谱图像修复算法HyInpaint第57-67页
    4.1 引言第57-58页
    4.2 HyInpaint高光谱图像修复算法第58-61页
    4.3 HyInpaint算法实验验证第61-64页
    4.4 本章小结第64-67页
第五章 基于低秩表示的高光谱图像降噪与修复同步处理算法HyDeIn第67-77页
    5.1 引言第67页
    5.2 HyDeIn高光谱图像降噪与修复算法同步处理算法第67-70页
    5.3 HyDeIn算法实验验证第70-75页
    5.4 本章小结第75-77页
第六章 结论与展望第77-79页
    6.1 主要成果和创新点第77-78页
    6.2 未来研究展望第78-79页
参考文献第79-83页
致谢第83-85页
作者简介第85页

论文共85页,点击 下载论文
上一篇:财政分权、税收竞争与企业税费负担--基于战略性新兴产业的实证研究
下一篇:税收激励政策对高新技术企业技术创新的效应研究--基于创业板高新技术企业的实证研究