| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-18页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 研究现状 | 第10-15页 |
| 1.2.1 基于学习的算法 | 第11-12页 |
| 1.2.2 基于小波和重建的方法 | 第12-13页 |
| 1.2.3 基于神经网络深度学习的方法 | 第13-15页 |
| 1.3 本文研究的内容 | 第15-18页 |
| 第二章 遥感影像超分辨率重建理论及质量评价 | 第18-26页 |
| 2.1 遥感图像理论 | 第18-20页 |
| 2.1.1 图像和遥感影像 | 第18-19页 |
| 2.1.2 遥感影像分辨率 | 第19-20页 |
| 2.2 图像的超分辨率重建 | 第20-22页 |
| 2.3 质量评价指标 | 第22-26页 |
| 2.3.1 主观评价方法 | 第22-23页 |
| 2.3.2 客观评价方法 | 第23-26页 |
| 第三章 基于小波域隐马尔可夫树模型(HMT)的遥感超分辨率重建 | 第26-34页 |
| 3.1 小波变换 | 第26-27页 |
| 3.2 小波域的隐马尔可夫树模型(HMT) | 第27-30页 |
| 3.3 重建算法 | 第30-32页 |
| 3.4 实验与结果 | 第32-34页 |
| 第四章 基于Haar小波和插值的遥感超分辨率重建 | 第34-44页 |
| 4.1 二维离散小波变换 | 第34-35页 |
| 4.2 Haar小波 | 第35页 |
| 4.3 算法与程序设计 | 第35-36页 |
| 4.4 基于Haar小波的超分辨率重建系统 | 第36-39页 |
| 4.5 重建实验结果与分析 | 第39-44页 |
| 第五章 基于Bp神经网络和小波变换的遥感超分辨率重建 | 第44-53页 |
| 5.1 Bp神经网络 | 第44-46页 |
| 5.2 Haar小波变换各分量之间的自相关性 | 第46-47页 |
| 5.3 学习算法与校正方法 | 第47-50页 |
| 5.4 重建实验结果与分析 | 第50-53页 |
| 总结与展望 | 第53-55页 |
| 参考文献 | 第55-60页 |
| 攻读学位期间取得的研究成果 | 第60-61页 |
| 致谢 | 第61页 |