| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 高分辨率遥感影像目标识别研究历史与现状 | 第11-13页 |
| 1.2.2 稀疏表示的研究历史与现状 | 第13-15页 |
| 1.2.3 基于稀疏表示的高分辨率遥感影像目标识别研究现状 | 第15-16页 |
| 1.3 研究工作及内容安排 | 第16-18页 |
| 1.3.1 研究思路 | 第16-17页 |
| 1.3.2 内容安排 | 第17-18页 |
| 第2章 稀疏表示和低秩矩阵分解理论基础 | 第18-32页 |
| 2.1 引言 | 第18页 |
| 2.2 稀疏表示理论 | 第18-27页 |
| 2.2.1 稀疏表示理论的起源 | 第18-20页 |
| 2.2.2 稀疏表示的数学模型 | 第20-22页 |
| 2.2.3 稀疏表示求解方法 | 第22-24页 |
| 2.2.4 过完备字典构建方法 | 第24-27页 |
| 2.3 低秩矩阵分解理论 | 第27-30页 |
| 2.4 低秩矩阵分解的应用 | 第30-31页 |
| 2.5 小结 | 第31-32页 |
| 第3章 基于稀疏表示的高分辨率遥感影像目标识别方法研究 | 第32-48页 |
| 3.1 引言 | 第32页 |
| 3.2 遥感影像的稀疏性分析 | 第32-33页 |
| 3.3 基于稀疏表示的分类识别原理 | 第33页 |
| 3.4 算法设计 | 第33-35页 |
| 3.4.1 字典构造 | 第33-34页 |
| 3.4.2 目标图像的分类识别 | 第34-35页 |
| 3.5 实验结果及分析 | 第35-47页 |
| 3.5.1 实验数据 | 第35-37页 |
| 3.5.2 Uc Merced数据集实验 | 第37-42页 |
| 3.5.3 Wh U数据集实验 | 第42-47页 |
| 3.6 小结 | 第47-48页 |
| 第4章 联合低秩矩阵分解的稀疏表示高分辨率遥感影像目标识别方法研究 | 第48-74页 |
| 4.1 引言 | 第48页 |
| 4.2 遥感影像的低秩性分析 | 第48-49页 |
| 4.3 遥感图像薄云去除处理 | 第49-59页 |
| 4.3.1 成像模型 | 第49-50页 |
| 4.3.2 数据模型 | 第50页 |
| 4.3.3 模型的求解预备知识 | 第50-51页 |
| 4.3.4 模型求解过程 | 第51-53页 |
| 4.3.5 基于低秩矩阵分解的薄云去除方法流程 | 第53页 |
| 4.3.6 实验 | 第53-59页 |
| 4.4 联合低秩矩阵分解的稀疏表示分类原理 | 第59-61页 |
| 4.5 算法设计 | 第61-62页 |
| 4.5.1 字典构造 | 第61-62页 |
| 4.5.2 目标图像分类识别 | 第62页 |
| 4.6 实验 | 第62-73页 |
| 4.6.1 实验数据 | 第62页 |
| 4.6.2 Uc Merced数据集实验 | 第62-67页 |
| 4.6.3 Wh U数据集实验 | 第67-72页 |
| 4.6.4 薄云图像数据集实验 | 第72-73页 |
| 4.7 小结 | 第73-74页 |
| 第5章 结论与展望 | 第74-77页 |
| 5.1 结论 | 第74-75页 |
| 5.2 展望 | 第75-77页 |
| 参考文献 | 第77-84页 |
| 攻读学位期间所发表的学术论文及研究成果 | 第84-85页 |
| 致谢 | 第85页 |
