| 摘要 | 第1-10页 |
| ABSTRACT | 第10-13页 |
| 第一章 绪论 | 第13-19页 |
| ·研究背景及其意义 | 第13-14页 |
| ·国内外研究现状 | 第14-17页 |
| ·噪声模型及信噪比的定义 | 第17页 |
| ·本文的主要工作 | 第17-19页 |
| 第二章 多元线性回归模型和稀疏化表示 | 第19-23页 |
| ·多元线性回归模型 | 第19页 |
| ·稀疏化表示及其基础 | 第19-22页 |
| ·小波变换 | 第20-21页 |
| ·复小波变换 | 第21页 |
| ·Curvelet变换 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 结合多元线性回归和小波的噪声参数估计 | 第23-29页 |
| ·噪声标准差的中值估计 | 第23页 |
| ·噪声标准差估计的算法流程 | 第23-24页 |
| ·实验 | 第24-28页 |
| ·仿真实验 | 第24-26页 |
| ·真实数据实验 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 第四章 基于多元线性回归的高光谱遥感图像去噪 | 第29-35页 |
| ·光谱微分和Biva Shrink函数 | 第29-30页 |
| ·光谱微分 | 第29页 |
| ·双变量收缩Biva Shrink函数 | 第29-30页 |
| ·基于MLR的去噪算法 | 第30-31页 |
| ·仿真实验 | 第31-33页 |
| ·本章小结 | 第33-35页 |
| 第五章 高光谱遥感图像在Curvelet域的分析和去噪 | 第35-43页 |
| ·高光谱遥感图像在Curvelet域的分析 | 第35-38页 |
| ·Curvelet域上数据块的获取 | 第35-36页 |
| ·Curvelet域上数据块的谱相关性分析 | 第36-38页 |
| ·高光谱遥感图像在Curvelet域上的去噪 | 第38页 |
| ·仿真实验 | 第38-41页 |
| ·本章小结 | 第41-43页 |
| 第六章 NAPCA应用于高光谱遥感图像去噪 | 第43-51页 |
| ·噪声调整的主成分分析（NAPCA） | 第43-44页 |
| ·基于NAPCA的去噪算法 | 第44-45页 |
| ·算法流程如下 | 第44-45页 |
| ·保留波段的选取 | 第45页 |
| ·实验 | 第45-49页 |
| ·仿真实验 | 第45-46页 |
| ·真实数据实验 | 第46-49页 |
| ·本章小结 | 第49-51页 |
| 第七章 总结和展望 | 第51-53页 |
| ·全文总结 | 第51-52页 |
| ·工作展望 | 第52-53页 |
| 致谢 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 作者在学期间取得的学术成果 | 第59页 |