| 摘要 | 第1-12页 |
| ABSTRACT | 第12-14页 |
| 第一章 绪论 | 第14-32页 |
| ·研究背景 | 第14-18页 |
| ·应用需求背景 | 第14-17页 |
| ·技术背景 | 第17-18页 |
| ·国内外研究现状 | 第18-27页 |
| ·图像提高分辨率技术 | 第18-22页 |
| ·图像提高分辨率的正则化方法 | 第22-25页 |
| ·提高分辨率的稀疏先验约束 | 第25-27页 |
| ·小结 | 第27页 |
| ·本文主要研究工作 | 第27-32页 |
| ·研究思路 | 第27-28页 |
| ·主要研究内容与论文结构 | 第28-30页 |
| ·主要创新 | 第30-32页 |
| 第二章 提高分辨率的正则化方法基础与稀疏先验约束 | 第32-56页 |
| ·正则化模型的构造及其压缩性质 | 第32-41页 |
| ·逼近项与正则化约束项 | 第33-34页 |
| ·基于约束最大似然估计与最大后验估计的构造方法 | 第34-36页 |
| ·基于正则化变分的构造方法 | 第36-38页 |
| ·正则化模型的压缩估计性质与有偏估计性质 | 第38-41页 |
| ·图像的随机性稀疏先验 | 第41-49页 |
| ·典型的稀疏先验分布 | 第42-45页 |
| ·实测SAR 图像与光学图像稀疏先验分布拟合实验 | 第45-49页 |
| ·图像的确定性稀疏约束 | 第49-54页 |
| ·确定性稀疏约束函数 | 第49-54页 |
| ·确定性稀疏约束与随机性稀疏先验的关系 | 第54页 |
| ·本章小结 | 第54-56页 |
| 第三章 基于Lorentz 函数稀疏约束正则化模型的SAR 图像提高分辨率 | 第56-84页 |
| ·SAR 图像提高分辨率问题描述 | 第56-59页 |
| ·SAR 系统空间分辨率 | 第56-58页 |
| ·SAR 图像观测模型 | 第58页 |
| ·SAR 图像分辨率的评价 | 第58-59页 |
| ·SAR 图像数据稀疏性的分析 | 第59-70页 |
| ·稀疏性的后向散射机制分析与仿真实验 | 第59-66页 |
| ·粗糙屈光面后向散射对图像幅度的影响 | 第66-68页 |
| ·SAR 与光学图像的稀疏分解特性比较 | 第68-69页 |
| ·小结 | 第69-70页 |
| ·基于Lorentz 函数稀疏约束正则化模型的提高分辨率方法 | 第70-75页 |
| ·模型的统计解释 | 第70-71页 |
| ·模型求解 | 第71-73页 |
| ·实验结果与分析 | 第73-75页 |
| ·Lorentz 函数稀疏约束正则化模型的性质及应用 | 第75-83页 |
| ·稀疏约束的稳健性 | 第76-77页 |
| ·模型的压缩性 | 第77-79页 |
| ·解的广义稀疏性 | 第79-81页 |
| ·在复杂区域的应用 | 第81-83页 |
| ·本章小结 | 第83-84页 |
| 第四章 基于拟范数稀疏约束正则化的SAR 图像提高分辨率 | 第84-113页 |
| ·拟范数稀疏约束正则化模型的压缩性质及其改进 | 第84-93页 |
| ·基于拟范数约束的正则化模型 | 第84-85页 |
| ·模型的压缩性质分析 | 第85-88页 |
| ·改进的非均匀部分压缩算法 | 第88-90页 |
| ·实验与结果分析 | 第90-93页 |
| ·基于变拟范数稀疏约束的正则化方法 | 第93-101页 |
| ·变拟范数约束正则化模型 | 第93-94页 |
| ·变拟范数模型的参数估计 | 第94-95页 |
| ·模型求解的交互迭代算法 | 第95-96页 |
| ·对迭代终止准则的讨论 | 第96-98页 |
| ·实验结果与分析 | 第98-101页 |
| ·拟范数稀疏约束项的选定及对解的稀疏性影响 | 第101-112页 |
| ·拟范数形式的选定 | 第101-104页 |
| ·拟范数约束与解的稀疏性 | 第104-109页 |
| ·仿真定标场数据提高分辨率实验 | 第109-112页 |
| ·本章小结 | 第112-113页 |
| 第五章 基于非高斯噪声与边缘稀疏的光学图像提高分辨率 | 第113-136页 |
| ·光学图像提高分辨率问题 | 第113-115页 |
| ·光学图像提高分辨率 | 第113-115页 |
| ·光学图像噪声的非高斯先验分布 | 第115页 |
| ·基于随机噪声广义高斯分布的正则化方法 | 第115-123页 |
| ·噪声的广义高斯分布与非二次数据逼近 | 第115-116页 |
| ·正则化模型与参数选取 | 第116-117页 |
| ·迭代求解及其收敛性分析 | 第117-120页 |
| ·实验结果与分析 | 第120-123页 |
| ·基于随机噪声泊松分布的稀疏约束正则化变分方法 | 第123-130页 |
| ·噪声泊松分布与非二次数据逼近 | 第124-125页 |
| ·稀疏约束正则化变分复原模型 | 第125-126页 |
| ·变分模型的求解 | 第126-127页 |
| ·正则化参数的选取 | 第127页 |
| ·实验结果与分析 | 第127-130页 |
| ·基于光学图像边缘稀疏约束的正则化方法 | 第130-135页 |
| ·图像边缘稀疏约束条件的Markov 随机场解释 | 第130-131页 |
| ·图像边缘保持与稀疏约束正则化对先验模型的选择 | 第131-133页 |
| ·实验结果与分析 | 第133-135页 |
| ·本章小结 | 第135-136页 |
| 第六章 结论与展望 | 第136-140页 |
| ·本文研究工作小结 | 第136-138页 |
| ·相关研究工作展望 | 第138-140页 |
| 致谢 | 第140-141页 |
| 参考文献 | 第141-152页 |
| 作者在学期间取得的学术成果 | 第152-153页 |
