| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第13-23页 |
| 1.1 课题研究背景及意义 | 第13-14页 |
| 1.2 遥感图像的变分恢复模型 | 第14-16页 |
| 1.3 相关领域的研究现状 | 第16-20页 |
| 1.3.1 随机噪声去除算法研究现状 | 第16-17页 |
| 1.3.2 条带噪声去除算法研究现状 | 第17-18页 |
| 1.3.3 去雾算法研究现状 | 第18-20页 |
| 1.4 本文主要研究内容及章节安排 | 第20-23页 |
| 第2章 遥感图像随机噪声的多尺度变分模型去除 | 第23-37页 |
| 2.1 引言 | 第23-25页 |
| 2.2 多尺度分层分解方法 | 第25-30页 |
| 2.2.1 变分模型的构建 | 第25-27页 |
| 2.2.2 变分模型的求解 | 第27-29页 |
| 2.2.3 相关参数讨论 | 第29-30页 |
| 2.3 实验结果与分析 | 第30-34页 |
| 2.4 本章小结 | 第34-37页 |
| 第3章 基于多尺度变分模型的遥感图像条带噪声去除方法 | 第37-57页 |
| 3.1 引言 | 第37-38页 |
| 3.2 条带噪声来源分析 | 第38页 |
| 3.3 条带噪声去除算法的机理分析与比较 | 第38-41页 |
| 3.3.1 图像滤波法 | 第39页 |
| 3.3.2 灰度信息统计法 | 第39-40页 |
| 3.3.3 变分法 | 第40-41页 |
| 3.4 遥感图像条带噪声的多尺度变分模型去除 | 第41-45页 |
| 3.4.1 条带噪声的模型建立及特性分析 | 第41页 |
| 3.4.2 能量泛函的构建 | 第41-44页 |
| 3.4.3 数值求解方法 | 第44-45页 |
| 3.5 实验结果与分析 | 第45-52页 |
| 3.5.1 周期条带噪声去除 | 第46-48页 |
| 3.5.2 随机条带噪声去除 | 第48-52页 |
| 3.6 本章小结 | 第52-57页 |
| 第4章 基于平稳小波变换和单向变分的条带噪声去除方法 | 第57-85页 |
| 4.1 引言 | 第57-58页 |
| 4.2 多分辨率分析与小波变换 | 第58-66页 |
| 4.2.1 一维正交多分辨分析与小波变换 | 第58-63页 |
| 4.2.2 二维正交多分辨分析与小波变换 | 第63-64页 |
| 4.2.3 平稳小波变换SWT | 第64-65页 |
| 4.2.4 DWT与SWT之间的联系 | 第65-66页 |
| 4.3 单向变分模型 | 第66-67页 |
| 4.4 算法设计 | 第67-72页 |
| 4.4.1 噪声分离 | 第67-68页 |
| 4.4.2 噪声去除 | 第68-70页 |
| 4.4.3 数值求解方法 | 第70-72页 |
| 4.5 实验结果与分析 | 第72-83页 |
| 4.5.1 细节信息丰富的场景 | 第73-77页 |
| 4.5.2 细节信息较少的场景 | 第77-80页 |
| 4.5.3 相关参数讨论 | 第80-83页 |
| 4.6 本章小结 | 第83-85页 |
| 第5章 基于自适应变分的去雾方法 | 第85-97页 |
| 5.1 引言 | 第85页 |
| 5.2 雾天图像退化模型 | 第85-91页 |
| 5.2.1 大气散射理论 | 第85-86页 |
| 5.2.2 大气散射模型 | 第86-88页 |
| 5.2.3 直接逆变换法 | 第88-91页 |
| 5.3 基于自适应变分的图像去雾方法 | 第91-92页 |
| 5.3.1 变分模型构建 | 第91-92页 |
| 5.3.2 变分模型求解 | 第92页 |
| 5.4 实验结果与分析 | 第92-95页 |
| 5.5 本章小结 | 第95-97页 |
| 第6章 总结与展望 | 第97-101页 |
| 6.1 研究工作总结 | 第97-98页 |
| 6.2 创新点说明 | 第98-99页 |
| 6.3 下一步工作 | 第99-101页 |
| 参考文献 | 第101-113页 |
| 在学期间学术成果情况 | 第113-115页 |
| 指导教师及作者简介 | 第115-117页 |
| 致谢 | 第117页 |