| 摘要 | 第4-6页 |
| abstract | 第6-8页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 课题的研究背景和意义 | 第15-16页 |
| 1.2 课题的国内外研究概况 | 第16-19页 |
| 1.2.1 遥感图像增强 | 第16页 |
| 1.2.2 遥感图像分割和边缘提取 | 第16-18页 |
| 1.2.3 遥感图像匹配 | 第18页 |
| 1.2.4 遥感图像融合 | 第18-19页 |
| 1.3 本文的章节安排及创新点 | 第19-21页 |
| 1.3.1 本文的章节安排 | 第19-20页 |
| 1.3.2 本文的主要创新点 | 第20-21页 |
| 第二章 基于NSST和自适应参数引导滤波的遥感图像增强 | 第21-30页 |
| 2.1 引言 | 第21-22页 |
| 2.2 基于NSST的遥感图像增强方法原理及步骤 | 第22-26页 |
| 2.2.1 基于非线性变换的高频分量增强 | 第22-23页 |
| 2.2.2 基于人工蜂群优化的引导滤波低频分量增强 | 第23-25页 |
| 2.2.3 方法具体步骤及流程图 | 第25-26页 |
| 2.3 实验结果与分析 | 第26-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 基于倒数灰度熵和改进CV模型的SAR图像河流分割 | 第30-40页 |
| 3.1 引言 | 第30-31页 |
| 3.2 基于倒数灰度熵和改进CV模型的SAR图像河流分割方法原理及步骤 | 第31-35页 |
| 3.2.1 基于人工蜂群优化倒数灰度熵多阈值选取的SAR图像河流粗分割 | 第31-32页 |
| 3.2.2 基于改进CV模型的SAR图像河流细分割 | 第32-33页 |
| 3.2.3 方法具体步骤及流程图 | 第33-35页 |
| 3.3 实验结果与分析 | 第35-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第四章 基于NSST和改进数学形态学的遥感图像目标边缘提取 | 第40-49页 |
| 4.1 引言 | 第40-41页 |
| 4.2 基于NSST和改进数学形态学的遥感图像目标边缘提取方法原理及步骤 | 第41-44页 |
| 4.2.1 基于NSST模极大值的高频分量目标边缘提取 | 第41-42页 |
| 4.2.2 基于改进数学形态学的低频分量目标边缘提取 | 第42-43页 |
| 4.2.3 方法具体步骤及流程图 | 第43-44页 |
| 4.3 实验结果与分析 | 第44-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第五章 基于布谷鸟搜索和Krawtchouk矩不变量的遥感图像匹配 | 第49-56页 |
| 5.1 引言 | 第49-50页 |
| 5.2 基于小波域布谷鸟搜索和Krawtchouk矩不变量的遥感图像匹配方法原理及步骤 | 第50-52页 |
| 5.2.1 Krawtchouk矩不变量 | 第50-51页 |
| 5.2.2 布谷鸟搜索算法 | 第51页 |
| 5.2.3 方法具体步骤 | 第51-52页 |
| 5.3 实验结果与分析 | 第52-55页 |
| 5.4 本章小结 | 第55-56页 |
| 第六章 基于GBVS模型和引导滤波的全色与多光谱遥感图像融合 | 第56-65页 |
| 6.1 引言 | 第56-57页 |
| 6.2 基于GBVS模型和引导滤波的全色与多光谱遥感图像融合方法原理及步骤 | 第57-60页 |
| 6.2.1 基于IHS变换的遥感图像融合 | 第57页 |
| 6.2.2 基于简化GBVS模型的遥感图像显著区域描述 | 第57-58页 |
| 6.2.3 方法具体步骤及流程图 | 第58-60页 |
| 6.3 实验结果与分析 | 第60-64页 |
| 6.4 本章小结 | 第64-65页 |
| 第七章 总结和展望 | 第65-68页 |
| 7.1 本文的主要工作 | 第65-66页 |
| 7.2 进一步的研究工作及展望 | 第66-68页 |
| 参考文献 | 第68-78页 |
| 致谢 | 第78-79页 |
| 在学期间的研究成果及发表的学术论文 | 第79-80页 |
