首页--工业技术论文--自动化技术、计算机技术论文--遥感技术论文--遥感图像的解译、识别与处理论文--图像处理方法论文

基于投影替代与矩阵低秩稀疏分解的多光谱图像融合

摘要第1-7页
ABSTRACT第7-16页
符号对照表第16-19页
缩略语对照表第19-24页
第一章 绪论第24-48页
   ·研究背景和意义第24-26页
   ·多光谱图像与全色图像的特点第26-30页
   ·多光谱融合技术的研究现状与进展第30-40页
     ·分量替代算法第30-32页
     ·基于多分辨率分析的算法第32-36页
     ·基于成像模型的算法第36-40页
   ·多光谱融合图像质量评估第40-45页
   ·本文的主要工作及内容安排第45-48页
第二章 基于小波分解的改进主成分分析融合方法第48-62页
   ·引言第48页
   ·平滑滤波亮度调节原理第48-49页
   ·基于小波分解的改进主成分分析多光谱融合算法第49-51页
     ·基于小波分解融合分量的分析与设计第49-50页
     ·融合多光谱图像的计算第50-51页
   ·算法有效性验证与结果分析第51-59页
     ·实验数据与评价指标第51-52页
     ·实验结果与分析第52-59页
     ·对融合分量的进一步分析第59页
   ·小结第59-62页
第三章 基于矩阵低秩稀疏分解的多光谱图像融合方法第62-74页
   ·引言第62页
   ·矩阵低秩稀疏分解理论第62-64页
   ·基于矩阵低秩稀疏分解的多光谱图像融合第64-65页
     ·多光谱图像低秩稀疏性的分析第64页
     ·本章算法第64-65页
   ·实验结果与分析第65-72页
     ·实验数据与评价指标第65页
     ·对比实验结果与分析第65-72页
   ·小结第72-74页
第四章 基于矩阵低秩稀疏分解与上下文决策模型的融合方法第74-96页
   ·引言第74页
   ·GoDec分离多光谱图像的空谱信息性能分析第74-77页
   ·CBD模型原理与ImPCA算法回顾第77页
     ·CBD模型原理第77页
     ·ImPCA算法回顾第77页
   ·基于矩阵低秩稀疏分解与CBD模型的融合方法第77-79页
     ·空间细节信息的设计与计算第78页
     ·融合多光谱图像的计算第78-79页
   ·实验结果与分析第79-94页
     ·实验数据与实验平台第79-80页
     ·秩参数r的分析第80-83页
     ·稀疏度参数k的分析第83-86页
     ·仿真数据实验分析第86-90页
     ·真实数据实验分析第90-94页
     ·算法时间开销第94页
   ·小结第94-96页
第五章 基于空间信息清晰度度量的多光谱融合第96-112页
   ·引言第96页
   ·S_3度量及其在遥感图像中的特性分析第96-99页
     ·昆度量第96-98页
     ·遥感图像S_3度量的特性分析第98-99页
   ·基于S_3度量的多光谱图像融合方法第99-100页
   ·算法有效性验证与分析第100-109页
     ·实验数据与评价指标第100-101页
     ·参数分析第101-102页
     ·实验结果与分析第102-109页
   ·小结第109-112页
第六章 基于尺度不变与对比度保持的多光谱融合第112-128页
   ·引言第112页
   ·稀疏表示理论基础、光学图像成像模型与GS1算法原理第112-114页
     ·稀疏表示理论基础第112-113页
     ·光学图像成像模型第113-114页
     ·GS1算法原理第114页
   ·基于尺度不变与对比度保持的多光谱融合方法第114-116页
     ·基于尺度不变的细节信息设计与计算第114-116页
     ·基于对比度保持的细节信息设计与计算第116页
     ·融合多光谱图像的计算第116页
   ·算法有效性验证与结果分析第116-127页
     ·实验数据与评价指标第116-117页
     ·参数分析第117-121页
     ·仿真数据实验分析第121-124页
     ·真实数据实验分析第124-127页
   ·小结第127-128页
第七章 研究总结与展望第128-130页
   ·研究总结第128-129页
   ·展望第129-130页
参考文献第130-144页
致谢第144-146页
作者简介第146页

论文共146页,点击 下载论文
上一篇:基于超级计算机的并行矩量法关键技术与应用
下一篇:压缩编码的计算光谱成像方法研究