基于学习的红外云图超分辨率重建算法研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 引言 | 第11-17页 |
| 1.1 研究背景和意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 研究内容和结构安排 | 第15-17页 |
| 第2章 超分辨率重建理论概述 | 第17-29页 |
| 2.1 图像前向观测模型 | 第17-19页 |
| 2.2 超分辨率方法分类 | 第19-24页 |
| 2.2.1 基于插值的超分辨率重建方法 | 第19-21页 |
| 2.2.2 基于前向观测模型的超分辨率重建方法 | 第21-23页 |
| 2.2.3 基于学习的超分辨率重建方法 | 第23-24页 |
| 2.3 超分辨率重建质量评价方法 | 第24-28页 |
| 2.3.1 主观评价方法 | 第25页 |
| 2.3.2 客观评价方法 | 第25-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 红外云图相关概述 | 第29-35页 |
| 3.1 气象卫星概述 | 第29-31页 |
| 3.1.1 极轨卫星 | 第29页 |
| 3.1.2 静止卫星 | 第29-31页 |
| 3.2 红外云图概述 | 第31-32页 |
| 3.3 红外云图特征概述 | 第32-33页 |
| 3.4 本章小结 | 第33-35页 |
| 第4章 基于稀疏表示的红外云图超分辨率重建 | 第35-54页 |
| 4.1 基于稀疏表示的超分辨率重建概述 | 第35-40页 |
| 4.1.1 稀疏表示理论 | 第35-37页 |
| 4.1.2 基于稀疏表示的超分辨率重建 | 第37-40页 |
| 4.2 一种混合的红外云图超分辨率重建算法 | 第40-41页 |
| 4.3 实验结果与分析 | 第41-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第5章 基于卷积神经网络的红外云图超分辨率重建 | 第54-72页 |
| 5.1 卷积神经网络概念与原理 | 第54-59页 |
| 5.1.1 关键概念 | 第55-56页 |
| 5.1.2 网络结构 | 第56-57页 |
| 5.1.3 反向传播算法 | 第57-59页 |
| 5.2 基于卷积神经网络的红外云图超分辨率重建 | 第59-71页 |
| 5.2.1 SRCNN网络结构 | 第59-60页 |
| 5.2.2 SRCNN模型训练 | 第60-62页 |
| 5.2.3 实验结果与分析 | 第62-71页 |
| 5.3 本章小结 | 第71-72页 |
| 第6章 总结与展望 | 第72-75页 |
| 6.1 本文总结 | 第72-73页 |
| 6.2 本文展望 | 第73-75页 |
| 参考文献 | 第75-80页 |
| 致谢 | 第80-81页 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 | 第81页 |
