| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究的背景和意义 | 第10-11页 |
| 1.2 研究现状与展望 | 第11-14页 |
| 1.2.1 自适应图像复原国内外现状 | 第11-12页 |
| 1.2.2 遥感影像综合评价方法国内外现状 | 第12-14页 |
| 1.3 主要研究内容 | 第14-16页 |
| 第2章 相关理论 | 第16-31页 |
| 2.1 光学观测基础概念 | 第16-20页 |
| 2.1.1 大气湍流干扰 | 第16-17页 |
| 2.1.2 自适应光学技术 | 第17-20页 |
| 2.2 自适应光学图像复原算法 | 第20-28页 |
| 2.2.1 自适应光学图像成像模型 | 第21-23页 |
| 2.2.2 经典图像复原方法 | 第23-28页 |
| 2.3 粒子群优化算法 | 第28-30页 |
| 2.3.1 粒子群算法介绍 | 第28-29页 |
| 2.3.2 粒子群算法的应用 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第3章 地基自适应遥感影像质量评价方法设计 | 第31-39页 |
| 3.1 传统图像质量评价方法 | 第31-33页 |
| 3.2 基于局部方差变化的去噪点图像复原质量盲评价 | 第33-36页 |
| 3.2.1 算法原理 | 第34页 |
| 3.2.2 算法步骤 | 第34-36页 |
| 3.3 实验结果分析 | 第36-39页 |
| 第4章 基于粒子群算法的图像质量驱动碎片选取方法 | 第39-49页 |
| 4.1 引言 | 第39页 |
| 4.2 图像单元重组基本模型 | 第39-41页 |
| 4.3 改进粒子群算法 | 第41-45页 |
| 4.3.1 粒子群算法原理 | 第41-42页 |
| 4.3.2 基本粒子群算法流程 | 第42-43页 |
| 4.3.3 基本粒子群优化算法模型 | 第43-44页 |
| 4.3.4 改进粒子群算法 | 第44-45页 |
| 4.4 基于改进粒子群算法求解自适应图像单元重组问题 | 第45-47页 |
| 4.4.1 粒子适应值计算 | 第45-46页 |
| 4.4.2 编码策略 | 第46页 |
| 4.4.3 改进粒子群优化算法的实现流程 | 第46-47页 |
| 4.5 实验结果分析 | 第47-49页 |
| 第5章 TV正则化的RL-IBD图像复原算法 | 第49-61页 |
| 5.1 RL算法 | 第49-50页 |
| 5.2 RL-IBD算法 | 第50-51页 |
| 5.3 多重约束的TVRL-IBD算法 | 第51-56页 |
| 5.4 实验仿真与分析 | 第56-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66-67页 |
| 攻读硕士期间发表（含录用）的学术论文 | 第67页 |