| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-13页 |
| ·研究目的与意义 | 第8-9页 |
| ·研究现状 | 第9-11页 |
| ·文章主要内容与结构 | 第11-13页 |
| 第二章 统计学习理论与支持向量机 | 第13-26页 |
| ·统计学习理论 | 第13-18页 |
| ·机器学习的讨论 | 第13-14页 |
| ·经验风险最小化 | 第14-15页 |
| ·VC维 | 第15页 |
| ·推广性的界 | 第15-16页 |
| ·结构风险最小化 | 第16-18页 |
| ·支持向量机 | 第18-25页 |
| ·最优分类面 | 第18-21页 |
| ·支持向量机 | 第21-23页 |
| ·支持向量回归 | 第23-25页 |
| ·小结 | 第25-26页 |
| 第三章 基于支持向量值轮廓波变换的遥感图像分辨率增强算法 | 第26-40页 |
| ·支持向量值滤波器 | 第26-27页 |
| ·非抽样方向滤波器组 | 第27-29页 |
| ·支持向量值轮廓波变换 | 第29-30页 |
| ·基于支持向量值轮廓波变换的遥感图像分辨率增强 | 第30-39页 |
| ·遥感图像分辨率增强评价指标 | 第31-32页 |
| ·分辨率增强算法步骤 | 第32-34页 |
| ·实验结果与分析 | 第34-39页 |
| ·小结 | 第39-40页 |
| 第四章 基于支持向量回归和Curvelet变换的单幅遥感图像分辨率增强算法 | 第40-50页 |
| ·Curvelet变换理论 | 第40-45页 |
| ·Ridgelet变换 | 第41-42页 |
| ·第一代Curvelet变换 | 第42-43页 |
| ·连续Curvelet变换 | 第43-44页 |
| ·离散Curvelet变换 | 第44-45页 |
| ·单帧分辨率增强算法过程及步骤 | 第45-46页 |
| ·实验及分析 | 第46-49页 |
| ·小结 | 第49-50页 |
| 第五章 基于小波支持向量回归的遥感多光谱图像分辨率增强算法 | 第50-67页 |
| ·多分辨率分析 | 第50-54页 |
| ·小波变换 | 第51-52页 |
| ·非抽样Contourlet变换 | 第52-54页 |
| ·核函数 | 第54-56页 |
| ·小波核函数 | 第56-59页 |
| ·全色与多光谱图像 | 第59页 |
| ·分辨率增强算法步骤 | 第59-60页 |
| ·实验及分析 | 第60-66页 |
| ·小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-69页 |
| ·全文工作总结 | 第67页 |
| ·今后工作展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-74页 |
| 论文发表与项目参与 | 第74页 |
