| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第12-17页 |
| 1.1 课题研究背景和意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 本文主要工作 | 第15-17页 |
| 第二章 高光谱遥感图像的噪声评价 | 第17-27页 |
| 2.1 高光谱遥感图像噪声评价的意义 | 第17页 |
| 2.2 高光谱遥感图像噪声评价的标准 | 第17-18页 |
| 2.3 高光谱遥感图像噪声评价的样本选择 | 第18-19页 |
| 2.4 高光谱遥感图像的噪声评价 | 第19-26页 |
| 2.4.1 基于局部标准差的噪声评价 | 第19-21页 |
| 2.4.2 基于边缘块剔除的局部标准差噪声评价 | 第21-23页 |
| 2.4.3 去相关法噪声评价 | 第23-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 高光谱遥感图像的模糊度评价 | 第27-36页 |
| 3.1 模糊对高光谱遥感图像的影响 | 第27页 |
| 3.2 遥感图像中模糊的类型 | 第27-28页 |
| 3.3 高光谱遥感图像模糊评价的样本选择 | 第28-29页 |
| 3.4 高光谱遥感图像的模糊度评价 | 第29-35页 |
| 3.4.1 基于图像直方图的模糊度评价 | 第29-32页 |
| 3.4.2 基于灰度梯度共生矩阵的模糊度评价 | 第32-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第四章 高光谱遥感图像的云含量检测 | 第36-47页 |
| 4.1 研究背景 | 第36-37页 |
| 4.2 云检测算法 | 第37-41页 |
| 4.2.1 基于多谱段辐射量特性的遥感图像云检测 | 第37-38页 |
| 4.2.2 基于动态分形维数和辐射量特性相结合的云检测综合算法 | 第38-41页 |
| 4.3 实验和结果分析 | 第41-45页 |
| 4.3.1 云检测的样本选择 | 第41-42页 |
| 4.3.2 算法比较及分析 | 第42-45页 |
| 4.4 本章小结 | 第45-47页 |
| 第五章 商光谱遥感图像综合评价 | 第47-58页 |
| 5.1 引言 | 第47-48页 |
| 5.2 数据选取与预处理 | 第48-50页 |
| 5.3 遥感图像特征统计 | 第50页 |
| 5.4 遥感图像质量评价算法 | 第50-55页 |
| 5.4.1 广义回归神经网络 | 第51-52页 |
| 5.4.2 支持向量回归模型 | 第52页 |
| 5.4.3 Bagging决策树模型 | 第52-53页 |
| 5.4.4 模型融合 | 第53-55页 |
| 5.5 实验和结果分析 | 第55-57页 |
| 5.6 本章小结 | 第57-58页 |
| 第六章 商光谱遥感图像质量评价软件设计 | 第58-66页 |
| 6.1 软件总体架构 | 第58-59页 |
| 6.2 软件总体流程 | 第59页 |
| 6.3 主要软件模块设计 | 第59-65页 |
| 6.3.1 噪声评价模块设计 | 第60-61页 |
| 6.3.2 模糊度评价模块设计 | 第61-62页 |
| 6.3.3 云检测模块设计 | 第62-64页 |
| 6.3.4 综合评价模块设计 | 第64-65页 |
| 6.4 本章小结 | 第65-66页 |
| 第七章 总结与展望 | 第66-68页 |
| 7.1 工作总结 | 第66-67页 |
| 7.2 工作展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 作者简历 | 第72页 |