| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 引言 | 第10-15页 |
| 1.1 背景起源 | 第10页 |
| 1.2 稀疏特性 | 第10-12页 |
| 1.2.1 严格稀疏的信号与图像 | 第11页 |
| 1.2.2 可压缩的信号与图像 | 第11-12页 |
| 1.3 稀疏特性的相关术语 | 第12-15页 |
| 1.3.1 原子 | 第13页 |
| 1.3.2 字典 | 第13页 |
| 1.3.3 分析与综合 | 第13页 |
| 1.3.4 最佳字典 | 第13-15页 |
| 第二章 形态多样性 | 第15-18页 |
| 2.1 背景介绍 | 第15页 |
| 2.2 稀疏分解问题 | 第15-16页 |
| 2.3 形态多样性的概念 | 第16-17页 |
| 2.4 本章小结 | 第17-18页 |
| 第三章 稀疏特性分析在遥感图像去噪中的应用 | 第18-48页 |
| 3.0 论文发表背景 | 第18页 |
| 3.1 应用背景 | 第18-20页 |
| 3.2 形态成分分析简介 | 第20-22页 |
| 3.3 广义形态成分分析 | 第22-25页 |
| 3.4 算法分析 | 第25-27页 |
| 3.4.1 “广义”一词的含义 | 第25-26页 |
| 3.4.2 迭代的限定阈值策略 | 第26页 |
| 3.4.3 算法复杂度分析 | 第26-27页 |
| 3.5 实验及结果分析 | 第27-47页 |
| 3.5.1 实验条件 | 第27页 |
| 3.5.2 实验结果量化评价指标 | 第27-28页 |
| 3.5.3 广义形态成分分析算法与经典形态成分分析算法的对比 | 第28-35页 |
| 3.5.4 广义形态成分分析算法与其他去噪算法的对比 | 第35-47页 |
| 3.6 结论与总结 | 第47-48页 |
| 第四章 稀疏特性分析在遥感图像修复中的应用 | 第48-64页 |
| 4.0 论文发表背景 | 第48页 |
| 4.1 应用背景 | 第48-49页 |
| 4.2 对观测模型和广义形态成分分析的介绍 | 第49-51页 |
| 4.2.1 观测模型 | 第49-50页 |
| 4.2.2 广义形态成分分析 | 第50-51页 |
| 4.3 增速广义形态成分分析 | 第51-56页 |
| 4.3.1 标准正交假设 | 第51-52页 |
| 4.3.2 冗余假设 | 第52-53页 |
| 4.3.3 线性的保持 | 第53页 |
| 4.3.4 字典的讨论 | 第53-54页 |
| 4.3.5 增速广义形态成分分析算法 | 第54-55页 |
| 4.3.6 算法复杂度分析 | 第55-56页 |
| 4.4 实验及结果分析 | 第56-62页 |
| 4.4.1 实验条件 | 第56页 |
| 4.4.2 对不同模式丢失数据的修复结果 | 第56-61页 |
| 4.4.3 时间消耗 | 第61-62页 |
| 4.5 结论与总结 | 第62-64页 |
| 第五章 稀疏特性分析在卫星图像场景分类中的应用 | 第64-85页 |
| 5.0 论文发表背景 | 第64页 |
| 5.1 应用背景 | 第64-66页 |
| 5.2 形态成分分析架构 | 第66-68页 |
| 5.3 字典矩阵的构建 | 第68-69页 |
| 5.3.1 字典矩阵的选择 | 第68-69页 |
| 5.3.2 基于独立元分析构造字典矩阵 | 第69页 |
| 5.4 针对纹理层和底图层的形态成分分析 | 第69-73页 |
| 5.4.1 形态成分分析算法 | 第69-71页 |
| 5.4.2 对纹理层和底图层的分解 | 第71-73页 |
| 5.5 卫星图像分类 | 第73-74页 |
| 5.6 实验及结果分析 | 第74-84页 |
| 5.6.1 实验条件 | 第74页 |
| 5.6.2 实验一 | 第74-80页 |
| 5.6.3 实验二 | 第80-84页 |
| 5.7 结论与总结 | 第84-85页 |
| 第六章 展望 | 第85-86页 |
| 参考文献 | 第86-92页 |
| 攻读学位期间发表的论文 | 第92-94页 |
| 致谢 | 第94-95页 |