| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 1 绪论 | 第10-14页 |
| 1.1 研究背景和意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 论文工作内容以及章节安排 | 第12-14页 |
| 2 空间成像图降质因素分析 | 第14-26页 |
| 2.1 质因素形成原因分析 | 第14-16页 |
| 2.1.1 相机特性 | 第14页 |
| 2.1.2 目标特性 | 第14-15页 |
| 2.1.3 成像环境 | 第15-16页 |
| 2.2 降质因素存在形式分析 | 第16-24页 |
| 2.2.1 噪声 | 第16-19页 |
| 2.2.2 模糊 | 第19-23页 |
| 2.2.3 曝光 | 第23-24页 |
| 2.3 本章小结 | 第24-26页 |
| 3 空间成像图像数据库构建 | 第26-38页 |
| 3.1 数据获取 | 第26-28页 |
| 3.2 数据分类 | 第28-35页 |
| 3.2.1 噪声 | 第28-29页 |
| 3.2.2 模糊 | 第29-32页 |
| 3.2.3 曝光 | 第32-35页 |
| 3.3 降质图像数据库 | 第35-36页 |
| 3.4 本章小结 | 第36-38页 |
| 4 基于SVM的复合降质因素分类 | 第38-50页 |
| 4.1 支撑向量机SVM | 第38-40页 |
| 4.1.1 基本思想 | 第38页 |
| 4.1.2 数学描述 | 第38-40页 |
| 4.2 复合降质因素分类 | 第40-47页 |
| 4.2.1 数据预处理 | 第40-41页 |
| 4.2.2 特征提取 | 第41-43页 |
| 4.2.3 降质因素分类 | 第43-47页 |
| 4.3 实验结果与分析 | 第47-48页 |
| 4.4 本章小结 | 第48-50页 |
| 5 基于深度学习的单一降质因素分类 | 第50-56页 |
| 5.1 深度学习 | 第50页 |
| 5.2 单一降质因素分类 | 第50-54页 |
| 5.2.1 降质因素分类网络结构模型Alex Net | 第50-51页 |
| 5.2.2 降质因素分类过程 | 第51-54页 |
| 5.3 实验结果与分析 | 第54-55页 |
| 5.4 本章小结 | 第55-56页 |
| 6 总结与展望 | 第56-60页 |
| 6.1 总结 | 第56-57页 |
| 6.2 展望 | 第57-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |
| 攻读学位期间发表的学术论文 | 第65-66页 |