| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| abstract | 第9-10页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 遥感图像融合 | 第15-17页 |
| 1.1.1 概述和现状 | 第15-16页 |
| 1.1.2 评价指标 | 第16-17页 |
| 1.2 单幅图像的超分辨率重建 | 第17-20页 |
| 1.2.1 概述和现状 | 第17-19页 |
| 1.2.2 评价指标 | 第19-20页 |
| 1.3 本文的主要研究内容 | 第20-21页 |
| 第二章 结合NSDTST和多特征自相似的遥感图像融合 | 第21-33页 |
| 2.1 引言 | 第21页 |
| 2.2 相关内容介绍 | 第21-25页 |
| 2.2.1 Q-shift非下采样双树复剪切波(NSDTST) | 第21-23页 |
| 2.2.2 自相似融合方法 | 第23-24页 |
| 2.2.3 脉冲耦合神经网络(PCNN) | 第24-25页 |
| 2.3 融合算法 | 第25-28页 |
| 2.3.1 融合框架 | 第25-26页 |
| 2.3.2 高频和低频融合 | 第26-28页 |
| 2.4 融合实验和性能分析 | 第28-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第三章 基于PCNN稀疏编码的重建算法 | 第33-45页 |
| 3.1 引言 | 第33页 |
| 3.2 相关工作原理 | 第33-35页 |
| 3.2.1 非下采样金字塔变换 | 第33-34页 |
| 3.2.2 稀疏编码的超分辨率重建 | 第34-35页 |
| 3.3 重建算法 | 第35-40页 |
| 3.3.1 PCNN的改进 | 第35-36页 |
| 3.3.2 PCNN求解稀疏原子 | 第36-38页 |
| 3.3.3 低频优化和高频重建 | 第38-39页 |
| 3.3.4 重建框架 | 第39-40页 |
| 3.4 实验结果和性能分析 | 第40-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 总结与展望 | 第45-46页 |
| 4.1 本文内容总结 | 第45页 |
| 4.2 未来展望 | 第45-46页 |
| 参考文献 | 第46-51页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第51-52页 |