遥感影像稀疏表示中的字典学习算法及其应用
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-25页 |
| 1.1 引言 | 第10页 |
| 1.2 研究背景与意义 | 第10-13页 |
| 1.3 字典学习与稀疏表示的涵义及关系 | 第13-14页 |
| 1.4 相关领域的国内外研究现状 | 第14-22页 |
| 1.5 论文的主要内容和章节安排 | 第22-25页 |
| 2 稀疏表示中的字典学习原理及模型 | 第25-43页 |
| 2.1 引言 | 第25页 |
| 2.2 稀疏表示中的数学理论 | 第25-30页 |
| 2.3 稀疏表示模型 | 第30-34页 |
| 2.4 稀疏编码求解算法 | 第34-37页 |
| 2.5 字典学习的原理及模型 | 第37-42页 |
| 2.6 本章小结 | 第42-43页 |
| 3 一种基于图层分割的重构字典学习算法 | 第43-64页 |
| 3.1 引言 | 第43-44页 |
| 3.2 传统重构字典学习算法的局限性 | 第44-47页 |
| 3.3 基于图层分割的重构字典学习算法 | 第47-56页 |
| 3.4 实验结果及分析 | 第56-63页 |
| 3.5 本章小结 | 第63-64页 |
| 4 一种基于图层分割的判别字典学习算法 | 第64-83页 |
| 4.1 引言 | 第64-65页 |
| 4.2 经典的判别字典学习算法模型 | 第65-72页 |
| 4.3 基于图层分割的判别字典学习算法 | 第72-76页 |
| 4.4 实验结果及分析 | 第76-82页 |
| 4.5 本章小结 | 第82-83页 |
| 5 基于判别字典的高分辨率遥感影像分类算法研究 | 第83-99页 |
| 5.1 引言 | 第83-86页 |
| 5.2 监督性分类模型 | 第86-87页 |
| 5.3 基于判别字典分类器的学习 | 第87-91页 |
| 5.4 实验结果及分析 | 第91-98页 |
| 5.5 本章小结 | 第98-99页 |
| 6 基于分类的高分辨率遥感影像编码方法研究 | 第99-127页 |
| 6.1 引言 | 第99-101页 |
| 6.2 图像编码算法流程 | 第101-106页 |
| 6.3 基于分类的高分辨率遥感影像编码方案 | 第106-119页 |
| 6.4 遥感影像编码质量预测 | 第119-126页 |
| 6.5 本章小结 | 第126-127页 |
| 7 总结与展望 | 第127-132页 |
| 7.1 全文总结 | 第127-129页 |
| 7.2 论文的创新点 | 第129-130页 |
| 7.3 未来研究展望 | 第130-132页 |
| 致谢 | 第132-134页 |
| 参考文献 | 第134-145页 |
| 附录1 作者在攻读博士学位期间完成的科研成果 | 第145-147页 |
| 附录2 公开发表的学术论文与博士学位论文的关系 | 第147-148页 |
| 附录3 博士生期间参与的课题研究情况 | 第148页 |
