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

基于样本先验学习的光学遥感图像超分辨重建算法研究

摘要第5-7页
ABSTRACT第7-9页
符号对照表第14-15页
缩略语对照表第15-20页
第一章 绪论第20-36页
    1.1 研究背景及意义第20-23页
    1.2 研究现状及进展第23-32页
    1.3 论文结构与安排第32-36页
第二章 光学遥感图像超分辨重建问题分析第36-46页
    2.1 引言第36页
    2.2 基本概念第36-38页
    2.3 光学遥感图像的观测模型第38-40页
    2.4 图像超分辨重建的理论基础第40-42页
    2.5 图像超分辨重建质量的评价标准第42-44页
        2.5.1 主观评价第42-43页
        2.5.2 客观评价第43-44页
    2.6 本章小结第44-46页
第三章 基于联合稀疏映射学习的光学遥感图像超分辨重建算法第46-72页
    3.1 引言第46-47页
    3.2 图像的稀疏表示模型第47-55页
        3.2.1 图像的稀疏表示第47-50页
        3.2.2 字典的构造第50-52页
        3.2.3 信号的稀疏分解第52-55页
    3.3 基于稀疏表示的图像超分辨重建算法第55-58页
    3.4 基于联合稀疏映射学习的单幅图像超分辨重建算法第58-65页
        3.4.1 利用辅助坐标的映射学习第60页
        3.4.2 算法优化过程第60-65页
        3.4.3 算法总结第65页
    3.5 实验结果与分析第65-71页
        3.5.1 特征表示第66页
        3.5.2 实验结果第66-71页
    3.6 本章小结第71-72页
第四章 基于非局部相似性先验学习的光学遥感图像超分辨重建算法第72-94页
    4.1 引言第72-74页
    4.2 图像的先验学习第74-78页
    4.3 非局部自相似性的先验学习第78-82页
        4.3.1 图像块群的表示第79页
        4.3.2 基于图像块群的高斯混合模型学习第79-81页
        4.3.3 与基于图像块的高斯混合模型对比第81-82页
    4.4 基于非局部自相似性先验学习的单幅图像超分辨重建算法第82-87页
        4.4.1 高斯分量的选择第82-83页
        4.4.2 加权稀疏编码及其求解第83-87页
        4.4.3 图像超分辨重建算法第87页
    4.5 实验结果与分析第87-88页
    4.6 本章小结第88-94页
第五章 基于多层解析-合成字典学习的光学遥感图像超分辨重建算法第94-112页
    5.1 引言第94-95页
    5.2 合成字典和解析字典模型第95-98页
    5.3 几何解析算子学习算法第98-100页
    5.4 基于多层解析-合成字典学习的单幅图像超分辨重建算法第100-104页
        5.4.1 字典学习第100-103页
        5.4.2 字典更新第103-104页
        5.4.3 测试第104页
    5.5 实验结果与分析第104-107页
        5.5.1 多层解析字典的训练第104-105页
        5.5.2 图像超分辨重建性能对比第105-107页
    5.6 本章小结第107-112页
第六章 基于结构相关自样本的光学遥感图像超分辨重建算法第112-132页
    6.1 引言第112-115页
    6.2 基于结构相关自样本的单幅图像超分辨重建算法第115-121页
        6.2.1 建立自样本训练数据库第115-117页
        6.2.2 搜索结构相关图像块第117-118页
        6.2.3 基于线性映射的图像超分辨重建第118-121页
    6.3 实验结果与分析第121-126页
        6.3.1 实验设置和参数分析第121-122页
        6.3.2 稀疏表示和最近邻搜索的比较第122-123页
        6.3.3 与其他算法的对比第123-126页
    6.4 本章小结第126-132页
第七章 总结与展望第132-136页
    7.1 工作总结第132-134页
    7.2 工作展望第134-136页
参考文献第136-152页
致谢第152-154页
作者简介第154-155页

论文共155页,点击 下载论文
上一篇:基于网络模型的癌症驱动模式挖掘方法
下一篇:多智能体编队控制的新图论方法