| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-16页 |
| 1.2.1 光学遥感卫星的研制现状 | 第10-12页 |
| 1.2.2 图像超分辨率重建的研究现状 | 第12-14页 |
| 1.2.3 压缩感知理论的研究现状 | 第14-16页 |
| 1.3 本文的研究工作和内容安排 | 第16-17页 |
| 2 压缩感知基本理论 | 第17-28页 |
| 2.1 引言 | 第17-19页 |
| 2.2 信号的稀疏表示 | 第19-21页 |
| 2.2.1 稀疏表示的基本思想 | 第19页 |
| 2.2.2 稀疏字典的设计 | 第19-21页 |
| 2.3 测量矩阵的设计 | 第21-23页 |
| 2.3.1 测量矩阵的设计准则 | 第21-22页 |
| 2.3.2 常见的测量矩阵 | 第22-23页 |
| 2.4 压缩感知重建算法 | 第23-27页 |
| 2.4.1 凸优化算法 | 第23-25页 |
| 2.4.2 非凸优化算法 | 第25-27页 |
| 2.5 本章小结 | 第27-28页 |
| 3 压缩感知框架下的遥感图像超分辨率重建 | 第28-43页 |
| 3.1 引言 | 第28-29页 |
| 3.2 遥感图像的降质模型 | 第29-31页 |
| 3.2.1 遥感图像的降质过程 | 第29页 |
| 3.2.2 模糊模型 | 第29-30页 |
| 3.2.3 噪声模型 | 第30-31页 |
| 3.3 结合压缩感知与分类字典的遥感图像超分辨率重建 | 第31-36页 |
| 3.3.1 基于压缩感知的图像超分辨率重建模型 | 第31-32页 |
| 3.3.2 针对遥感典型地物的分类字典 | 第32-34页 |
| 3.3.3 多字典重建图像的低秩融合 | 第34-36页 |
| 3.4 实验结果与分析 | 第36-42页 |
| 3.4.1 图像质量的客观评价指标 | 第37-38页 |
| 3.4.2 不同方法重建结果的比较 | 第38-41页 |
| 3.4.3 对噪声的鲁棒性分析 | 第41-42页 |
| 3.5 本章小结 | 第42-43页 |
| 4 结合压缩感知与非局部信息的遥感图像超分辨率重建 | 第43-55页 |
| 4.1 引言 | 第43-44页 |
| 4.2 图像非局部信息权重的估计 | 第44-47页 |
| 4.2.1 图像块特征的计算 | 第44-45页 |
| 4.2.2 像素相似性的估计 | 第45-46页 |
| 4.2.3 相似像素权重的计算 | 第46-47页 |
| 4.3 在压缩感知框架中引入图像非局部信息 | 第47-49页 |
| 4.3.1 基于结构相似性的图像超分辨率重建 | 第47页 |
| 4.3.2 非局部正则项的构造 | 第47-48页 |
| 4.3.3 结合非局部信息的图像超分辨率重建模型 | 第48-49页 |
| 4.4 实验结果与分析 | 第49-54页 |
| 4.4.1 实验参数的选择 | 第49-51页 |
| 4.4.2 不同方法重建结果的比较 | 第51-53页 |
| 4.4.3 对噪声的鲁棒性分析 | 第53-54页 |
| 4.5 本章小结 | 第54-55页 |
| 5 结合多尺度压缩感知与判别字典的遥感图像超分辨率重建 | 第55-70页 |
| 5.1 引言 | 第55-56页 |
| 5.2 多尺度压缩感知框架下的遥感图像超分辨率重建 | 第56-60页 |
| 5.2.1 多尺度压缩感知框架 | 第56-57页 |
| 5.2.2 多尺度图像超分辨率重建 | 第57-59页 |
| 5.2.3 结合非局部信息的全局优化 | 第59-60页 |
| 5.3 在多尺度压缩感知框架中引入判别字典 | 第60-63页 |
| 5.3.1 多尺度训练样本集的构建 | 第60-61页 |
| 5.3.2 训练图像块的特征提取 | 第61-62页 |
| 5.3.3 判别字典学习 | 第62-63页 |
| 5.4 实验结果与分析 | 第63-69页 |
| 5.4.1 实验参数的选择 | 第63-65页 |
| 5.4.2 模拟降质图像超分辨率重建 | 第65-67页 |
| 5.4.3 真实遥感图像超分辨率重建 | 第67-69页 |
| 5.5 本章小结 | 第69-70页 |
| 6 总结与展望 | 第70-73页 |
| 6.1 本文工作总结 | 第70-71页 |
| 6.2 未来工作展望 | 第71-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-82页 |
| 附录 | 第82页 |
