| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文研究内容与组织结构 | 第13-15页 |
| 第二章 基于DT-CWT的遥感图像薄云去除 | 第15-30页 |
| 2.1 对偶树复小波变换 | 第15-21页 |
| 2.1.1 小波变换 | 第15-17页 |
| 2.1.2 对偶树复小波变换 | 第17-21页 |
| 2.2 基于DT-CWT的薄云去除算法 | 第21-23页 |
| 2.3 实验结果与分析 | 第23-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 基于M-DTCWT和T-LSSVR的遥感图像薄云去除 | 第30-56页 |
| 3.1 多方向对偶树复小波变换 | 第30-32页 |
| 3.2 支持向量机 | 第32-38页 |
| 3.2.1 支持向量机分类算法 | 第33-37页 |
| 3.2.2 支持向量机回归算法 | 第37-38页 |
| 3.3 迁移最小二乘支持向量机 | 第38-41页 |
| 3.3.1 迁移学习 | 第38页 |
| 3.3.2 域自适应迁移最小二乘支持向量机 | 第38-41页 |
| 3.4 基于M-DTCWT和T-LSSVR的薄云去除算法 | 第41-43页 |
| 3.4.1 低频子带系数处理 | 第42页 |
| 3.4.2 高频子带系数处理 | 第42页 |
| 3.4.3 薄云去除算法步骤 | 第42-43页 |
| 3.5 实验结果与分析 | 第43-54页 |
| 3.5.1 模拟实验 | 第43-47页 |
| 3.5.2 真实数据实验 | 第47-54页 |
| 3.6 本章小结 | 第54-56页 |
| 第四章 基于M-DTCWT和T-TWSVR的遥感图像薄云去除 | 第56-66页 |
| 4.1 孪生支持向量机 | 第56-57页 |
| 4.2 迁移孪生支持向量机 | 第57-59页 |
| 4.3 基于M-DTCWT和T-TWSVR的薄云去除算法 | 第59-62页 |
| 4.3.1 变化检测 | 第59-60页 |
| 4.3.2 算法步骤 | 第60-62页 |
| 4.4 实验结果与分析 | 第62-65页 |
| 4.5 本章小结 | 第65-66页 |
| 第五章 总结与展望 | 第66-68页 |
| 5.1 总结 | 第66-67页 |
| 5.2 展望 | 第67-68页 |
| 参考文献 | 第68-74页 |
| 致谢 | 第74-75页 |
| 攻读硕士期间发表的论文 | 第75页 |
| 攻读硕士期间参与的科研项目 | 第75页 |
