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

基于稀疏张量和多视图特征的遥感图像融合算法研究

摘要第5-7页
ABSTRACT第7-9页
符号对照表第13-14页
缩略语对照表第14-18页
第一章 绪论第18-26页
    1.1 研究背景第18-21页
    1.2 研究目的与意义第21-22页
    1.3 研究内容与创新第22-23页
    1.4 论文架构安排第23-26页
第二章 张量理论基础及图像质量评价指标第26-34页
    2.1 张量及其基本运算第26-27页
    2.2 张量分解模型第27-29页
        2.2.1 CP分解第27-28页
        2.2.2 Tucker分解第28-29页
    2.3 稀疏张量分解第29-31页
        2.3.1 张量的稀疏性度量第29-30页
        2.3.2 稀疏张量分解第30-31页
    2.4 图像融合的评价指标第31-33页
    2.5 本章小结第33-34页
第三章 基于稀疏张量近邻嵌入的多光谱与全色图像融合方法第34-56页
    3.1 张量局部嵌入第34-35页
    3.2 多模字典的构造第35-37页
        3.2.1 mode-1 光谱字典的构造第36页
        3.2.2 mode-2、mode-3 空间字典构造第36-37页
    3.3 多模字典原子优化第37-38页
    3.4 基于稀疏张量近邻嵌入的多光谱和全色图像融合第38-40页
    3.5 仿真实验与结果分析第40-54页
        3.5.1 实验条件说明第40页
        3.5.2 IKONOS和高分2号数据仿真结果对比与分析第40-43页
        3.5.3 Quickbird数据仿真结果对比与分析第43-46页
        3.5.4 Geoeye数据仿真结果对比与分析第46-50页
        3.5.5 算法的光谱优越性验证第50-52页
        3.5.6 参数分析第52-54页
    3.6 本章小结第54-56页
第四章 基于多视稀疏张量近邻嵌入的多光谱与全色图像融合方法第56-80页
    4.1 Multi-view概念简介第56-57页
    4.2 图像的Multi-view特征构建第57-60页
        4.2.1 灰度特征第58页
        4.2.2 纹理特征第58-59页
        4.2.3 边缘特征第59-60页
    4.3 基于多视稀疏张量近邻嵌入的多光谱与全色图像融合方法第60-65页
        4.3.1 多光谱图像与全色图像的Multi-view特征第60-61页
        4.3.2 特征接近度第61-62页
        4.3.3 基于多视稀疏张量近邻嵌入的多光谱与全色图像融合方法第62-65页
    4.4 仿真实验与结果分析第65-78页
        4.4.1 实验条件说明第65页
        4.4.2 IKONOS和高分2号数据仿真结果对比与分析第65-67页
        4.4.3 Quickbird数据仿真结果对比与分析第67-71页
        4.4.4 Geoeye数据仿真结果对比与分析第71-74页
        4.4.5 多视图较单视图优越性验证第74-78页
    4.5 本章小结第78-80页
第五章 基于稀疏张量和深层特征的多光谱与全色图像融合方法第80-94页
    5.1 卷积自编码第80-81页
    5.2 深层特征的提取第81-83页
    5.3 基于稀疏张量和深层特征的多光谱和全色图像融合方法第83-85页
    5.4 仿真结果与实验分析第85-92页
        5.4.1 CAEs网络参数设置第85页
        5.4.2 实验条件说明第85-86页
        5.4.3 Quickbird数据仿真结果对比与分析第86-88页
        5.4.4 Geoeye数据仿真结果对比与分析第88-90页
        5.4.5 IKONOS数据仿真结果对比与分析第90-92页
    5.5 本章小结第92-94页
第六章 总结与展望第94-96页
    6.1 总结第94-95页
    6.2 展望第95-96页
参考文献第96-102页
致谢第102-104页
作者简介第104-105页

论文共105页,点击 下载论文
上一篇:基于捷联惯导系统的小型无人机姿态解算及控制算法研究
下一篇:ZY葡萄酒生产项目可行性研究