| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 基于空间域信息的重建方法 | 第9-10页 |
| 1.2.2 基于光谱域信息的重建方法 | 第10-11页 |
| 1.2.3 基于时相域信息的重建方法 | 第11-12页 |
| 1.3 论文主要内容与章节安排 | 第12-13页 |
| 1.4 本章小结 | 第13-14页 |
| 第二章 深度学习在低层视觉任务中的应用 | 第14-20页 |
| 2.1 深度学习 | 第14-16页 |
| 2.2 图像低层视觉任务 | 第16页 |
| 2.3 深度学习在图像低层视觉任务中的应用 | 第16-19页 |
| 2.3.1 图像超分辨率重建 | 第16-17页 |
| 2.3.2 图像去噪 | 第17-18页 |
| 2.3.3 图像去雾 | 第18页 |
| 2.3.4 图像缺失修复 | 第18-19页 |
| 2.4 本章小结 | 第19-20页 |
| 第三章 基于时-空-谱深度网络模型的缺失信息重建方法 | 第20-38页 |
| 3.1 概述 | 第20页 |
| 3.2 时-空-谱一体化深度学习缺失重建方法 | 第20-26页 |
| 3.2.1 整体流程结构 | 第20-21页 |
| 3.2.2 时-空-谱一体化深度卷积神经网络模型 | 第21页 |
| 3.2.3 多源信息融合 | 第21-22页 |
| 3.2.4 多尺度特征提取 | 第22-23页 |
| 3.2.5 扩张卷积 | 第23-24页 |
| 3.2.6 时-空-谱信息跳跃连接 | 第24-26页 |
| 3.3 实验结果与分析 | 第26-34页 |
| 3.3.1 实验数据和设置 | 第26-27页 |
| 3.3.2 模拟实验 | 第27-31页 |
| 3.3.3 真实实验 | 第31-34页 |
| 3.4 讨论与分析 | 第34-36页 |
| 3.4.1 模型组成分析 | 第34-35页 |
| 3.4.2 配准误差影响分析 | 第35-36页 |
| 3.5 本章小结 | 第36-38页 |
| 第四章 步进式时-空块组群学习的影像云及云阴影去除方法 | 第38-56页 |
| 4.1 概述 | 第38页 |
| 4.2 算法描述 | 第38-44页 |
| 4.2.1 整体流程结构 | 第38-39页 |
| 4.2.2 多时相序列影像云及云阴影检测 | 第39页 |
| 4.2.3 时-空块组群堆叠与排序 | 第39-40页 |
| 4.2.4 时-空块组群深度缺失重建模型 | 第40-42页 |
| 4.2.5 加权聚合与步进式迭代 | 第42-44页 |
| 4.3 实验结果与分析 | 第44-53页 |
| 4.3.1 实验数据和设置 | 第44-45页 |
| 4.3.2 模拟实验 | 第45-49页 |
| 4.3.3 真实实验 | 第49-53页 |
| 4.4 讨论与分析 | 第53-54页 |
| 4.5 本章小结 | 第54-56页 |
| 第五章 总结与展望 | 第56-58页 |
| 5.1 总结 | 第56-57页 |
| 5.2 展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 攻读学位期间公开发表的论文成果 | 第62-63页 |
| 致谢 | 第63页 |