基于稀疏表示的SAR图像抑斑
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-14页 |
| ·SAR图像的特点及应用领域 | 第8-9页 |
| ·SAR图像相干斑抑制研究 | 第9-12页 |
| ·SAR图像相干斑的形成与影响 | 第9-10页 |
| ·抑斑算法简介 | 第10-11页 |
| ·抑斑效果评价 | 第11-12页 |
| ·本文主要工作和内容安排 | 第12-14页 |
| 第二章 稀疏表示简介 | 第14-22页 |
| ·稀疏表示的研究意义与研究现状 | 第14-16页 |
| ·稀疏表示的研究意义 | 第14-15页 |
| ·稀疏分解方法的研究现状 | 第15-16页 |
| ·稀疏表示理论基础 | 第16-17页 |
| ·图像的稀疏表示模型 | 第17-18页 |
| ·图像块的稀疏表示 | 第17页 |
| ·整幅图像的贝叶斯重建 | 第17-18页 |
| ·超完备冗余字典学习 | 第18-20页 |
| ·本章小结 | 第20-22页 |
| 第三章 基于稀疏表示的SAR图像相干斑抑制 | 第22-36页 |
| ·SAR图像相干斑统计模型 | 第22-24页 |
| ·强度格式 | 第22-23页 |
| ·幅度格式 | 第23-24页 |
| ·基于稀疏表示的SAR图像相干斑抑制 | 第24-29页 |
| ·极大似然方法 | 第25-26页 |
| ·稀疏编码 | 第26-27页 |
| ·非线性各向异性扩散 | 第27-28页 |
| ·抑斑算法实现 | 第28-29页 |
| ·实验结果与分析 | 第29-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 基于稀疏学习字典的SAR图像相干斑抑制 | 第36-50页 |
| ·稀疏字典模型学习 | 第36-39页 |
| ·稀疏字典模型 | 第36-37页 |
| ·稀疏字典学习 | 第37-39页 |
| ·基于稀疏字典的SAR图像相干斑抑制 | 第39-42页 |
| ·信号相关的加性噪声模型 | 第39-40页 |
| ·稀疏编码 | 第40-42页 |
| ·抑斑算法实现 | 第42页 |
| ·实验结果与分析 | 第42-48页 |
| ·本章小结 | 第48-50页 |
| 第五章 基于小波域字典学习的SAR图像相干斑抑制 | 第50-64页 |
| ·小波抑斑算法简介 | 第50-51页 |
| ·SWT域的局部高斯模型 | 第51-52页 |
| ·SWT域内的相干斑局部模型 | 第51-52页 |
| ·SWT域的局部高斯模型 | 第52页 |
| ·基于SWT域字典学习的SAR图像抑斑 | 第52-55页 |
| ·方差图分割 | 第53页 |
| ·字典学习 | 第53-54页 |
| ·稀疏编码 | 第54-55页 |
| ·抑斑算法实现 | 第55页 |
| ·实验结果与分析 | 第55-61页 |
| ·本章小结 | 第61-64页 |
| 第六章 总结与展望 | 第64-66页 |
| ·总结 | 第64-65页 |
| ·展望 | 第65-66页 |
| 致谢 | 第66-68页 |
| 参考文献 | 第68-74页 |
| 硕士期间成果 | 第74页 |
