基于深度学习的遥感图像的重构和分类算法研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第14-22页 |
| 1.1 引言 | 第14页 |
| 1.2 研究背景及意义 | 第14-15页 |
| 1.3 研究现状综述 | 第15-18页 |
| 1.3.1 遥感图像的超分辨率重建 | 第16-17页 |
| 1.3.2 多源遥感图像数据联合分类 | 第17-18页 |
| 1.4 论文的研究目的及主要研究内容 | 第18-22页 |
| 1.4.1 论文主要研究内容 | 第18-19页 |
| 1.4.2 论文的创新之处 | 第19页 |
| 1.4.3 本文的文章结构 | 第19-22页 |
| 第二章 深度学习算法及相关理论 | 第22-32页 |
| 2.1 深度学习概述 | 第22-28页 |
| 2.1.1 深度学习概念 | 第22-23页 |
| 2.1.2 深度学习训练方法 | 第23-25页 |
| 2.1.3 深度学习的分类及应用 | 第25-28页 |
| 2.2 卷积神经网络 | 第28-30页 |
| 2.2.1 卷积神经网络基本构成 | 第28-29页 |
| 2.2.2 卷积神经网络的神经科学基础 | 第29-30页 |
| 2.2.3 卷积神经网络和遥感图像 | 第30页 |
| 2.3 本章小结 | 第30-32页 |
| 第三章 基于卷积神经网络的遥感图像超分辨率重建 | 第32-48页 |
| 3.1 基于卷积神经网络的遥感图像超分辨率 | 第32-36页 |
| 3.1.1 基本流程 | 第32-33页 |
| 3.1.2 SRDCN | 第33-34页 |
| 3.1.3 DSRDCN | 第34-35页 |
| 3.1.4 ESRDCN | 第35-36页 |
| 3.1.5 网络训练 | 第36页 |
| 3.2 实验内容和分析 | 第36-47页 |
| 3.2.1 实验数据介绍 | 第37-38页 |
| 3.2.2 网络参数调节 | 第38-39页 |
| 3.2.3 实验结果对比 | 第39-47页 |
| 3.3 本章小结 | 第47-48页 |
| 第四章 基于卷积神经网络的多源遥感数据联合分类 | 第48-66页 |
| 4.1 基于卷积神经网络的多源遥感数据融合 | 第48-54页 |
| 4.1.1 双通道CNN网络 | 第49-50页 |
| 4.1.2 级联CNN网络 | 第50-52页 |
| 4.1.3 网络训练 | 第52-53页 |
| 4.1.4 网络分析 | 第53-54页 |
| 4.2 实验内容和分析 | 第54-64页 |
| 4.2.1 实验数据介绍 | 第54-57页 |
| 4.2.2 网络参数调节 | 第57-58页 |
| 4.2.3 实验结果 | 第58-64页 |
| 4.3 本章小结 | 第64-66页 |
| 第五章 总结与展望 | 第66-68页 |
| 5.1 总结 | 第66页 |
| 5.2 展望 | 第66-68页 |
| 参考文献 | 第68-76页 |
| 致谢 | 第76-78页 |
| 研究成果及发表的学术论文 | 第78-80页 |
| 作者和导师简介 | 第80-81页 |
| 附件 | 第81-82页 |
