高光谱图像融合算法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-18页 |
| ·引言 | 第11页 |
| ·课题研究的背景 | 第11-14页 |
| ·遥感技术概述 | 第11-12页 |
| ·高光谱遥感技术简介 | 第12-14页 |
| ·高光谱图像融合技术研究的现状 | 第14-15页 |
| ·课题的背景及研究意义 | 第15-16页 |
| ·论文研究内容及结构安排 | 第16-18页 |
| 第2章 高光谱遥感数据特性分析 | 第18-30页 |
| ·高光谱数据简述 | 第18-25页 |
| ·高光谱图像的定义 | 第18-21页 |
| ·高光谱数据的表示方式 | 第21-22页 |
| ·高光谱图像的存储格式 | 第22-25页 |
| ·高光谱图像数据源划分方法 | 第25-29页 |
| ·常用数据源划分方法介绍 | 第25-27页 |
| ·本文采用的数据源划分方法 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 遥感图像融合技术简介 | 第30-52页 |
| ·图像融合的目标 | 第30-31页 |
| ·图像融合的分级 | 第31-34页 |
| ·像素级图像融合 | 第32-33页 |
| ·特征级图像融合 | 第33-34页 |
| ·决策级图像融合 | 第34页 |
| ·常见图像融合的方法 | 第34-47页 |
| ·传统图像融合方法 | 第35-41页 |
| ·多分辨率融合方法 | 第41-45页 |
| ·人工智能融合方法 | 第45-47页 |
| ·图像融合评价标准 | 第47-51页 |
| ·图像融合的主观评价 | 第47-48页 |
| ·图像融合的统计分析指标 | 第48-49页 |
| ·图像融合的分类精度 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 第4章 基于小波变换的高光谱图像融合 | 第52-76页 |
| ·小波的基本概念 | 第52-55页 |
| ·连续小波变换 | 第53-54页 |
| ·离散小波变换 | 第54-55页 |
| ·小波对二维图像的分解与重构 | 第55-57页 |
| ·小波变换应用于图像融合的特性 | 第57-58页 |
| ·小波基及分解层数的选取 | 第58-59页 |
| ·小波基的选择 | 第58页 |
| ·分解层数的选取 | 第58-59页 |
| ·小波分解融合的步骤 | 第59-60页 |
| ·传统小波的分解层融合 | 第60-66页 |
| ·局部方差加权融合 | 第60-63页 |
| ·局部能量加权融合 | 第63-66页 |
| ·第二代提升小波融合 | 第66-75页 |
| ·提升小波变换的基本步骤 | 第67-68页 |
| ·本文所使用的提升小波 | 第68-71页 |
| ·第二代提升小波的加权融合 | 第71-75页 |
| ·本章小结 | 第75-76页 |
| 第5章 基于脉冲耦合神经网络的高光谱图像融合 | 第76-85页 |
| ·脉冲耦合神经网络的发展概述 | 第76页 |
| ·脉冲耦合神经网络神经元模型 | 第76-81页 |
| ·基本神经元模型 | 第76-79页 |
| ·实验神经元模型参数的选取 | 第79-81页 |
| ·脉冲耦合神经网络在高光谱图像融合中的应用 | 第81-84页 |
| ·本章小结 | 第84-85页 |
| 结论 | 第85-87页 |
| 参考文献 | 第87-91页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第91-92页 |
| 致谢 | 第92页 |
