| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究意义 | 第10-11页 |
| 1.2 国内外现状 | 第11-14页 |
| 1.3 论文的主要工作 | 第14-15页 |
| 1.4 论文的章节安排 | 第15-17页 |
| 第2章 预备知识 | 第17-26页 |
| 2.1 高光谱遥感图像 | 第17-19页 |
| 2.1.1 高光谱遥感数据简介 | 第17-19页 |
| 2.1.2 高光谱图像的低秩结构 | 第19页 |
| 2.2 两种低秩矩阵恢复的方法 | 第19-24页 |
| 2.2.1 鲁棒主成分分析 | 第20-22页 |
| 2.2.2 低秩表示 | 第22-24页 |
| 2.3 本章小结 | 第24-26页 |
| 第3章 基于低秩矩阵恢复的高光谱图像去噪算法 | 第26-42页 |
| 3.1 引言 | 第26-27页 |
| 3.2 Fisher字典学习 | 第27-28页 |
| 3.3 结合空间邻域相似性和RPCA的高光谱图像去噪算法(S_IRPCA) | 第28-33页 |
| 3.3.1 S_IRPCA算法思想 | 第28-31页 |
| 3.3.2 S_IRPCA算法描述 | 第31-33页 |
| 3.4 基于Fisher字典学习和低秩表示的高光谱图像去噪算法(LRR_FDL) | 第33-36页 |
| 3.4.1 LRR_FDL算法思想 | 第33-34页 |
| 3.4.2 LRR_FDL算法描述 | 第34-36页 |
| 3.5 实验 | 第36-40页 |
| 3.5.1 实验数据描述 | 第36-37页 |
| 3.5.2 实验设置 | 第37页 |
| 3.5.3 实验结果与分析 | 第37-40页 |
| 3.6 本章小结 | 第40-42页 |
| 第4章 结合低秩表示和图像融合的高光谱图像降维算法(IF_LRR) | 第42-50页 |
| 4.1 引言 | 第42页 |
| 4.2 IF_LRR算法思想 | 第42-44页 |
| 4.3 IF_LRR算法描述 | 第44-46页 |
| 4.4 实验 | 第46-49页 |
| 4.4.1 实验设置 | 第46-47页 |
| 4.4.2 实验结果与分析 | 第47-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第5章 总结与展望 | 第50-52页 |
| 5.1 工作总结 | 第50-51页 |
| 5.2 工作展望 | 第51-52页 |
| 附录 | 第52-56页 |
| 附录一 | 第52-54页 |
| 附录二 | 第54-56页 |
| 参考文献 | 第56-63页 |
| 在读期间研究成果及所获奖项 | 第63-64页 |
| 致谢 | 第64页 |
