| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究工作的背景与意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 光学遥感图像重建问题现状 | 第10-12页 |
| 1.2.2 微波遥感图像分类问题现状 | 第12-13页 |
| 1.3 本论文的主要工作与结构安排 | 第13-15页 |
| 第二章 基于纹理合成的图像重建方法基础 | 第15-29页 |
| 2.1 图像修复技术基础 | 第15-18页 |
| 2.1.1 图像基本特征 | 第15-17页 |
| 2.1.2 图像修复过程描述 | 第17页 |
| 2.1.3 BERTALMIO修复算法 | 第17-18页 |
| 2.2 基于样本块的图像修复技术 | 第18-20页 |
| 2.3 CRIMINISI图像修复算法 | 第20-26页 |
| 2.3.1 CRIMINISI算法原理 | 第20-23页 |
| 2.3.2 CRIMINISI算法分析 | 第23-26页 |
| 2.4 CRIMINISI算法在光学遥感图像重建中的应用 | 第26-27页 |
| 2.5 本章小结 | 第27-29页 |
| 第三章 光学遥感图像重建方法研究 | 第29-44页 |
| 3.1 基于辅助图像的光学图像重建方法 | 第29-35页 |
| 3.1.1 基于多时段辅助图像的重建方法 | 第29-31页 |
| 3.1.2 基于多光谱辅助图像的重建方法 | 第31-35页 |
| 3.2 基于辅助图像方法在云层重建中的应用 | 第35-38页 |
| 3.3 基于图像修复的光学图像重建方法 | 第38-39页 |
| 3.4 基于图像修复方法在云层重建中的应用 | 第39-42页 |
| 3.5 本章小结 | 第42-44页 |
| 第四章 微波遥感图像分类方法研究 | 第44-62页 |
| 4.1 二值分类方法 | 第44页 |
| 4.2 K-MEANS聚类分类方法 | 第44-48页 |
| 4.2.1 K-MEANS算法流程 | 第45页 |
| 4.2.2 K-MEANS初始值选取 | 第45-46页 |
| 4.2.3 K-MEANS算法图像分割结果分析 | 第46-48页 |
| 4.3 FCM聚类分类方法 | 第48-51页 |
| 4.3.1 隶属度函数 | 第48-49页 |
| 4.3.2 FCM聚类算法流程 | 第49-50页 |
| 4.3.3 FCM算法图像分割结果分析 | 第50-51页 |
| 4.4 MEANSHIFT聚类分类方法 | 第51-58页 |
| 4.4.1 MEANSHIFT核密度估计 | 第51-53页 |
| 4.4.2 MEANSHIFT密度梯度估计 | 第53-54页 |
| 4.4.3 MEANSHIFT收敛性分析 | 第54-56页 |
| 4.4.4 MEANSHIFT算法流程 | 第56-57页 |
| 4.4.5 MEANSHIFT算法图像分割结果分析 | 第57-58页 |
| 4.5 XIE-BENI评价指标 | 第58页 |
| 4.6 实验结果分析 | 第58-61页 |
| 4.7 本章小结 | 第61-62页 |
| 第五章 基于微波图像结构信息的光学图像重建方法 | 第62-75页 |
| 5.1 改进算法原理 | 第62-68页 |
| 5.1.1 数据项改进方法 | 第62-63页 |
| 5.1.2 图像分割改进方法 | 第63-68页 |
| 5.2 图像相似性评价参数 | 第68-70页 |
| 5.2.1 RMSE评价参数 | 第68页 |
| 5.2.2 PSNR评价参数 | 第68-69页 |
| 5.2.3 SSIM评价参数 | 第69-70页 |
| 5.3 实验结果与分析 | 第70-73页 |
| 5.4 本章小结 | 第73-75页 |
| 第六章 全文总结与展望 | 第75-77页 |
| 6.1 全文总结 | 第75-76页 |
| 6.2 后续工作展望 | 第76-77页 |
| 致谢 | 第77-78页 |
| 参考文献 | 第78-82页 |
| 攻读硕士学位期间取得的成果 | 第82-83页 |