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 |