首页--工业技术论文--自动化技术、计算机技术论文--遥感技术论文--遥感图像的解译、识别与处理论文--图像处理方法论文

基于稀疏与低秩模型的光学遥感图像盲复原方法研究

摘要第5-7页
abstract第7-9页
第一章 绪论第13-25页
    1.1 研究的背景和意义第13-14页
    1.2 国内外研究现状第14-21页
        1.2.1 图像质量退化过程第15页
        1.2.2 图像复原研究第15-21页
    1.3 论文的研究内容第21-25页
        1.3.1 研究思路第21页
        1.3.2 主要研究内容与论文结构第21-25页
第二章 稀疏与低秩表示理论第25-35页
    2.1 稀疏表示模型第25-29页
        2.1.1 稀疏性及稀疏表示第26-27页
        2.1.2 稀疏表示贝叶斯观点描述第27-29页
        2.1.3 稀疏表示的主流优化算法第29页
    2.2 低秩表示模型第29-33页
        2.2.1 低秩性及低秩表示第29-30页
        2.2.2 低秩表示贝叶斯观点描述第30-32页
        2.2.3 低秩矩阵恢复求解算法第32-33页
    2.3 图像复原评价第33-34页
    2.4 本章小结第34-35页
第三章 基于稳健低秩矩阵分解图像盲去噪第35-55页
    3.1 遥感图像噪声第35-38页
        3.1.1 遥感图像噪声特点及分析第35-36页
        3.1.2 遥感图像去噪方法第36-38页
    3.2 遥感图像混合噪声建模第38-42页
        3.2.1 遥感图像噪声分布特性第38-39页
        3.2.2 Dir-GMM模型遥感图像噪声建模第39-42页
    3.3 基于DIR-GMM噪声模型低秩矩阵分解第42-47页
        3.3.1 基于Dir-GMM噪声模型矩阵分解第42-44页
        3.3.2 基于变分推理进行模型求解第44-46页
        3.3.3 提出模型进行图像去噪第46-47页
    3.4 实验结果第47-54页
        3.4.1 模拟数据实验第47-53页
        3.4.2 真实数据实验第53-54页
    3.5 本章小结第54-55页
第四章 基于加权核范数低秩先验遥感图像盲去模糊第55-71页
    4.1 遥感图像模糊形成原因及对低秩性影响第55-59页
    4.2 加权核范数低秩矩阵分解第59-60页
        4.2.1 核范数最小化矩阵分解第59页
        4.2.2 加权核范数最小化矩阵分解第59-60页
    4.3 基于加权核范数最小化图像去模糊第60-65页
        4.3.1 基于低秩先验图像去模糊模型第60-62页
        4.3.2 模型求解第62-65页
    4.4 实验结果与分析第65-70页
        4.4.1 模拟数据实验第65-68页
        4.4.2 真实数据实验第68-70页
    4.5 本章小结第70-71页
第五章 非局部张量分层贝叶斯低秩张量分解高光谱图像去噪第71-90页
    5.1 高光谱图像去噪声问题描述第71-73页
    5.2 张量及张量分解相关理论第73-78页
        5.2.1 张量相关定义及张量运算第73页
        5.2.2 张量分解第73-74页
        5.2.3 分层贝叶斯低秩张量分解第74-78页
    5.3 非局部张量组低秩分解高光谱图像去噪第78-79页
        5.3.1 高光谱图像块分组构建第78页
        5.3.2 稳健低秩张量分解高光谱图像去噪第78-79页
    5.4 实验结果与分析第79-88页
        5.4.1 分层贝叶斯低秩张量分解数值实验第80-81页
        5.4.2 模拟高光谱图像去噪实验第81-84页
        5.4.3 真实高光谱遥感图像去噪第84-88页
    5.5 本章小结第88-90页
第六章 基于结构稀疏表示高空间分辨率高光谱分辨率遥感图像盲融合第90-111页
    6.1 高空间分辨率高光谱分辨率图像融合问题第90-95页
    6.2 估计空间响应和光谱响应第95-98页
    6.3 非负结构稀疏表示图像融合第98-103页
        6.3.1 估计光谱字典第98-100页
        6.3.2 非负结构稀疏表示第100-103页
    6.4 实验结果与分析第103-110页
        6.4.1 光谱响应和空间响应估计第103-105页
        6.4.2 高分辨率图像和高光谱分辨率图像融合第105-110页
    6.5 本章小结第110-111页
第七章 结论与展望第111-115页
    7.1 论文主要工作第111-112页
    7.2 主要创新点第112-113页
    7.3 后续工作展望第113-115页
致谢第115-117页
参考文献第117-137页
攻读博士学位期间取得的成果第137-139页

论文共139页,点击 下载论文
上一篇:混合智能算法及其在优化问题中的应用
下一篇:制度视角下企业开放式创新机理研究