基于深度学习的单幅遥感图像超分辨重建
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 引言 | 第10-16页 |
| 1.1 研究背景 | 第10-12页 |
| 1.2 选题意义 | 第12-13页 |
| 1.3 国内外研究现状 | 第13-14页 |
| 1.4 主要研究内容 | 第14-15页 |
| 1.5 论文结构 | 第15-16页 |
| 第2章 图像超分辨重建方法综述 | 第16-26页 |
| 2.1 基于插值的SR重建方法 | 第16-18页 |
| 2.1.1 传统插值算法 | 第16-17页 |
| 2.1.2 改进插值算法 | 第17-18页 |
| 2.2 基于重构的SR重建方法 | 第18-21页 |
| 2.2.1 频域法 | 第19页 |
| 2.2.2 空域法 | 第19-21页 |
| 2.3 基于学习的SR重建方法 | 第21-25页 |
| 2.3.1 邻域嵌入法 | 第21-22页 |
| 2.3.2 稀疏表示法 | 第22页 |
| 2.3.3 回归分析法 | 第22-25页 |
| 2.4 国内遥感图像SR重建研究 | 第25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 基于深度学习的单幅遥感图像超分辨重建方法 | 第26-42页 |
| 3.1 相关基础及流程 | 第26-30页 |
| 3.1.1 遥感图像退化过程 | 第26-27页 |
| 3.1.2 深度学习理论 | 第27-28页 |
| 3.1.3 网络训练及超分辨率重建流程 | 第28-30页 |
| 3.2 PL-CNN重建模型 | 第30-35页 |
| 3.2.1 网络结构设计 | 第30-34页 |
| 3.2.2 模型训练方法 | 第34-35页 |
| 3.3 联合双边滤波 | 第35页 |
| 3.4 后处理增强 | 第35-37页 |
| 3.5 重建效果与质量评价 | 第37-40页 |
| 3.5.1 主观评价 | 第37-38页 |
| 3.5.2 客观评价 | 第38-40页 |
| 3.6 本章小结 | 第40-42页 |
| 第4章 实验方案与结果分析 | 第42-56页 |
| 4.1 数据信息及实验环境 | 第42-43页 |
| 4.1.1 数据信息 | 第42页 |
| 4.1.2 实验环境 | 第42-43页 |
| 4.2 实验方案及结果分析 | 第43-55页 |
| 4.2.1 实验一多波段彩色遥感图像SR重建 | 第43-49页 |
| 4.2.2 实验二单波段遥感图像SR重建 | 第49-50页 |
| 4.2.3 实验三PL-CNN波段适用性探究实验 | 第50-51页 |
| 4.2.4 实验四后处理增强实验 | 第51-54页 |
| 4.2.5 实验五样本优化探究实验 | 第54-55页 |
| 4.3 本章小结 | 第55-56页 |
| 第5章 总结与展望 | 第56-60页 |
| 5.1 总结 | 第56-57页 |
| 5.2 工作展望 | 第57-60页 |
| 参考文献 | 第60-64页 |
| 附录 | 第64-66页 |
| 致谢 | 第66-68页 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 | 第68页 |
