| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第一章 引言 | 第11-16页 |
| 1.1 选题背景及研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 去高斯声噪声研究现状 | 第12-14页 |
| 1.2.2 去云噪声研究现状 | 第14页 |
| 1.3 本文的研究内容和组织结构 | 第14-16页 |
| 第二章 图像去噪理论基础 | 第16-23页 |
| 2.1 遥感图像噪声分析 | 第16-19页 |
| 2.2 传统去噪方法概述 | 第19-21页 |
| 2.2.1 空间域去高斯噪声方法 | 第19-20页 |
| 2.2.2 频域去高斯噪声方法 | 第20页 |
| 2.2.3 小波去高斯噪声方法 | 第20-21页 |
| 2.2.4 去云方法 | 第21页 |
| 2.3 图像去噪效果评价 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 基于DS证据理论的多时相遥感图像融合去噪方法 | 第23-41页 |
| 3.1 DS证据理论 | 第23-25页 |
| 3.1.1 基本概率分配 | 第23-24页 |
| 3.1.2 信任区间 | 第24页 |
| 3.1.3 Dempster合成规则 | 第24-25页 |
| 3.2 整体方案 | 第25-26页 |
| 3.3 基本概率分配定义 | 第26-29页 |
| 3.4 决策规则 | 第29-30页 |
| 3.5 实验结果与分析 | 第30-40页 |
| 3.5.1 可见光波段去噪实验 | 第30-34页 |
| 3.5.2 不可见光波段去噪实验 | 第34-38页 |
| 3.5.3 应用于去云雾噪声的初步实验 | 第38-40页 |
| 3.6 本章小结 | 第40-41页 |
| 第四章 DS证据理论在遥感图像去云中的应用 | 第41-49页 |
| 4.1 整体方案 | 第41-42页 |
| 4.2 云特征模型的建立 | 第42-44页 |
| 4.2.1 模型1基本概率分配定义 | 第42-43页 |
| 4.2.2 模型2基本概率分配定义 | 第43-44页 |
| 4.3 决策规则 | 第44-45页 |
| 4.4 实验结果与分析 | 第45-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第五章 结论与展望 | 第49-51页 |
| 5.1 总结 | 第49-50页 |
| 5.2 展望 | 第50-51页 |
| 参考文献 | 第51-57页 |
| 附录 | 第57-58页 |
| 致谢 | 第58-59页 |