基于字典学习算法的ZY-3影像云去除方法研究
| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第9-16页 |
| 1.1 研究背景与选题依据 | 第9-11页 |
| 1.1.1 研究背景与意义 | 第9-10页 |
| 1.1.2 项目支撑 | 第10页 |
| 1.1.3 资源三号卫星简介 | 第10-11页 |
| 1.2 RS影像云去除国内外发展现状 | 第11-14页 |
| 1.3 研究内容和技术路线 | 第14-16页 |
| 1.3.1 研究内容 | 第14-15页 |
| 1.3.2 技术路线 | 第15-16页 |
| 2 RS影像云去除相关理论 | 第16-26页 |
| 2.1 云成像相关理论 | 第16-17页 |
| 2.1.1 影像中云的形成与特征 | 第16-17页 |
| 2.1.2 影像中云的成像模型 | 第17页 |
| 2.2 云检测方法 | 第17-20页 |
| 2.3 典型的云去除方法 | 第20-25页 |
| 2.3.1 典型薄云去除方法剖析 | 第20-23页 |
| 2.3.2 典型厚云去除方法剖析 | 第23-25页 |
| 2.4 本章小结 | 第25-26页 |
| 3 字典学习算法分析 | 第26-36页 |
| 3.1 压缩感知理论 | 第26-27页 |
| 3.2 字典学习方法 | 第27-29页 |
| 3.3 训练字典学习算法 | 第29-32页 |
| 3.4 解析字典学习算法 | 第32-33页 |
| 3.5 盲字典学习算法 | 第33-35页 |
| 3.6 本章小结 | 第35-36页 |
| 4 针对云去除的字典学习方法 | 第36-49页 |
| 4.1 字典学习算法的实现 | 第36-40页 |
| 4.1.1 K-SVD字典训练算法 | 第36-39页 |
| 4.1.2 OMP正交匹配追踪算法 | 第39-40页 |
| 4.2 K-SVD实现云去除的方法 | 第40-43页 |
| 4.3 K-SVD算法改进 | 第43-46页 |
| 4.3.1 AO-DL算法 | 第43-45页 |
| 4.3.2 AO-DL流程 | 第45-46页 |
| 4.4 AO-DL实现云去除的方法 | 第46-47页 |
| 4.5 本章小结 | 第47-49页 |
| 5 实验与分析 | 第49-60页 |
| 5.1 数据准备 | 第49-50页 |
| 5.2 应用实验 | 第50-54页 |
| 5.3 参数变化实验 | 第54-58页 |
| 5.4 分析评价 | 第58-59页 |
| 5.5 本章小结 | 第59-60页 |
| 6 总结与展望 | 第60-62页 |
| 6.1 总结 | 第60-61页 |
| 6.2 展望 | 第61-62页 |
| 参考文献 | 第62-68页 |
| 作者简历 | 第68-70页 |
| 学位论文数据集 | 第70页 |
