基于小波理论的超光谱图像融合研究
第1章 绪论 | 第1-21页 |
1.1 引言 | 第12页 |
1.2 课题研究的背景 | 第12-15页 |
1.2.1 遥感技术概述 | 第12-13页 |
1.2.2 多光谱遥感的发展简介 | 第13-14页 |
1.2.3 超光谱遥感的由来 | 第14-15页 |
1.3 超光谱融合研究的重要意义 | 第15-16页 |
1.4 超光谱图像融合技术研究现状 | 第16-19页 |
1.4.1 国外超光谱研究情况 | 第17页 |
1.4.2 我国研究情况 | 第17-19页 |
1.5 课题研究思路及内容安排 | 第19-21页 |
1.5.1 研究思路 | 第19页 |
1.5.2 论文研究内容及结构安排 | 第19-21页 |
第2章 超光谱图像特征分析 | 第21-34页 |
2.1 超光谱图像概述 | 第21-27页 |
2.1.1 超光谱图像的定义 | 第21-22页 |
2.1.2 超光谱遥感成像系统 | 第22-24页 |
2.1.3 超光谱图像的获取方式 | 第24-25页 |
2.1.4 超光谱图像数据表示方法 | 第25-26页 |
2.1.5 超光谱图像数据存贮方式 | 第26-27页 |
2.2 超光谱图像特性分析 | 第27-29页 |
2.3 超光谱图像数据源划分 | 第29-31页 |
2.3.1 数据源划分依据 | 第29页 |
2.3.2 超光谱图像数据源划分方法 | 第29-31页 |
2.4 基于超光谱图像融合的特征变换 | 第31-33页 |
2.4.1 主成分分析(PCA) | 第32-33页 |
2.4.2 小波变换技术 | 第33页 |
2.5 本章小结 | 第33-34页 |
第3章 图像融合技术概述 | 第34-45页 |
3.1 遥感图像融合技术简介 | 第34-35页 |
3.2 图像融合技术的不同层次 | 第35-37页 |
3.2.1 象素级图像融合 | 第35-36页 |
3.2.2 基于特征的图像融合 | 第36页 |
3.2.3 基于决策级的图像融合 | 第36-37页 |
3.3 图像融合的典型方法 | 第37-41页 |
3.3.1 基于 IHS变换的融合 | 第38页 |
3.3.2 相关统计分析融合 | 第38页 |
3.3.3 空间滤波分析融合 | 第38-39页 |
3.3.4 回归变量代换(RVS)融合 | 第39页 |
3.3.5 主成分分析(PCA)融合 | 第39页 |
3.3.6 小波变换融合 | 第39-40页 |
3.3.7 基于神经网络的图像融合 | 第40页 |
3.3.8 基于人工智能技术的图像融合 | 第40-41页 |
3.4 图像融合的关键技术分析 | 第41页 |
3.5 融合方法的对比及超谱融合方法选择 | 第41-42页 |
3.6 图像统计分析与融合效果的评价 | 第42-44页 |
3.7 本章小结 | 第44-45页 |
第4章 基于小波理论的超光谱图像融合 | 第45-60页 |
4.1 引言 | 第45-46页 |
4.2 小波基本理论 | 第46-49页 |
4.2.1 连续小波变换 | 第46-48页 |
4.2.2 离散小波变换 | 第48-49页 |
4.3 小波多分辨率分析 | 第49-52页 |
4.4 超光谱图像的小波分解与重构 | 第52-55页 |
4.4.1 一维图像分解与重构 | 第52-53页 |
4.4.2 二维图像分解与重构 | 第53-55页 |
4.5 小波基的选取及验证 | 第55-57页 |
4.6 小波均值融合 | 第57页 |
4.7 实验结果及分析 | 第57-59页 |
4.8 本章小结 | 第59-60页 |
第5章 基于小波变换的超光谱图像方差加权融合 | 第60-71页 |
5.1 引言 | 第60-61页 |
5.2 基于小波变换的方差加权融合 | 第61-62页 |
5.2.1 算法思路 | 第61-62页 |
5.2.2 实现步骤 | 第62页 |
5.3 基于数据源划分方差加权融合 | 第62-64页 |
5.3.1 自适应数据源划分超光谱图像融合 | 第62-63页 |
5.3.2 基于电磁波谱划分数据源加权融合 | 第63页 |
5.3.3 融合步骤 | 第63-64页 |
5.4 基于波段选择超光谱图像融合 | 第64页 |
5.5 实验结果及分析 | 第64-70页 |
5.6 本章小结 | 第70-71页 |
结论 | 第71-73页 |
参考文献 | 第73-77页 |
攻读硕士学位期间发表的论文 | 第77-78页 |
致谢 | 第78页 |