| 摘要 | 第1-5页 |
| ABSTRACT | 第5-12页 |
| 注释表 | 第12-13页 |
| 缩略词 | 第13-14页 |
| 第一章 绪论 | 第14-21页 |
| ·课题的研究背景和意义 | 第14-15页 |
| ·课题的国内外研究概况 | 第15-19页 |
| ·遥感图像的匹配 | 第15-16页 |
| ·红外和可见光遥感图像的融合 | 第16页 |
| ·SAR 图像的边缘检测 | 第16-17页 |
| ·遥感图像的分类 | 第17-18页 |
| ·遥感图像的变化检测 | 第18-19页 |
| ·本文的章节安排及创新点 | 第19-21页 |
| ·本文的章节安排 | 第19页 |
| ·本文的主要创新点 | 第19-21页 |
| 第二章 基于 Contourlet 变换和 SURF 的遥感图像匹配方法 | 第21-32页 |
| ·引言 | 第21-22页 |
| ·Contourlet 变换原理 | 第22页 |
| ·SURF 算法 | 第22-25页 |
| ·特征点检测 | 第22-23页 |
| ·特征点描述 | 第23-24页 |
| ·特征点匹配 | 第24-25页 |
| ·算法原理及步骤 | 第25-26页 |
| ·实验结果与分析 | 第26-31页 |
| ·匹配性能分析 | 第26-29页 |
| ·抗噪声能力分析 | 第29页 |
| ·抗旋转能力分析 | 第29-30页 |
| ·抗亮度变化能力分析 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 基于非下采样 Shearlet 和加权非负矩阵分解的红外与可见光遥感图像融合方法 | 第32-41页 |
| ·引言 | 第32-33页 |
| ·Shearlet 变换 | 第33-34页 |
| ·加权非负矩阵分解 | 第34-35页 |
| ·算法原理及步骤 | 第35-37页 |
| ·低频系数融合策略 | 第36页 |
| ·高频系数融合策略 | 第36-37页 |
| ·实验结果与分析 | 第37-40页 |
| ·本章小结 | 第40-41页 |
| 第四章 基于 NSCT、各向异性扩散和改进数学形态学的 SAR 图像边缘检测方法 | 第41-50页 |
| ·引言 | 第41-42页 |
| ·NSCT 原理 | 第42页 |
| ·各向异性扩散模型 | 第42-44页 |
| ·PM 模型 | 第42-43页 |
| ·TV 扩散 | 第43-44页 |
| ·模极大值法 | 第44-45页 |
| ·数学形态学 | 第45-46页 |
| ·膨胀和腐蚀 | 第45页 |
| ·开运算和闭运算 | 第45页 |
| ·改进的数学形态学 | 第45-46页 |
| ·算法原理及步骤 | 第46-47页 |
| ·实验结果与分析 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第五章 基于 Log-gabor、Krawtchouk 矩和支持向量机的遥感图像分类 | 第50-57页 |
| ·引言 | 第50-51页 |
| ·Log-gabor 基本原理 | 第51页 |
| ·Krawtchouk 矩及其性质 | 第51-52页 |
| ·支持向量机 | 第52-53页 |
| ·算法原理及步骤 | 第53-54页 |
| ·实验结果与分析 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 第六章 基于小波变换和 KICA 的多时相遥感图像变化检测方法 | 第57-64页 |
| ·引言 | 第57-58页 |
| ·核独立分量分析 | 第58-60页 |
| ·ICA 算法 | 第58页 |
| ·KICA 算法 | 第58-60页 |
| ·算法原理及步骤 | 第60-61页 |
| ·实验结果与分析 | 第61-63页 |
| ·本章小结 | 第63-64页 |
| 第七章 总结和展望 | 第64-66页 |
| ·本文的主要工作 | 第64-65页 |
| ·进一步的研究工作及展望 | 第65-66页 |
| 参考文献 | 第66-73页 |
| 致谢 | 第73-74页 |
| 在学期间的研究成果及发表的学术论文 | 第74页 |
