致谢 | 第5-6页 |
摘要 | 第6-8页 |
ABSTRACT | 第8-9页 |
1 绪论 | 第13-25页 |
1.1 研究背景与意义 | 第13-16页 |
1.2 国内外研究现状 | 第16-22页 |
1.2.1 非物理模型图像去雾算法 | 第16-17页 |
1.2.2 基于Retinex模型的去雾算法 | 第17-18页 |
1.2.3 基于物理模型的去雾算法 | 第18-22页 |
1.3 论文章节安排 | 第22-25页 |
2 大气辐射传输退化仿真与分析 | 第25-45页 |
2.1 大气辐射传输方程理论概述 | 第25-31页 |
2.1.1 大气辐射传输方程及其形式解 | 第25-27页 |
2.1.2 大气辐射传输方程离散化及近似解 | 第27-31页 |
2.2 大气辐射传输简化模型 | 第31-38页 |
2.2.1 大气的吸收效应 | 第32-33页 |
2.2.2 目标的反射辐射建模 | 第33-36页 |
2.2.3 目标的热辐射建模 | 第36-37页 |
2.2.4 大气辐射传输简化模型 | 第37-38页 |
2.3 辐射传输的大气退化仿真结果 | 第38-43页 |
2.3.1 仿真参数设置 | 第38-40页 |
2.3.2 仿真结果分析 | 第40-43页 |
2.4 本章小结 | 第43-45页 |
3 遥感图像的大气物理退化机理及模型 | 第45-61页 |
3.1 图像大气单次散射退化模型 | 第45-50页 |
3.1.1 入射光的衰减效应及模型 | 第47-48页 |
3.1.2 大气天光的成像模型 | 第48-50页 |
3.2 图像大气多次散射和非均匀性退化模型 | 第50-57页 |
3.2.1 入射光多次散射效应及模型 | 第50-55页 |
3.2.2 大气非均匀效应及模型 | 第55-57页 |
3.3 遥感图像的大气退化仿真 | 第57-60页 |
3.4 本章小结 | 第60-61页 |
4 遥感图像的大气退化补偿算法及应用 | 第61-113页 |
4.1 基于非均匀云雾大气条件下的遥感图像去雾算法 | 第61-83页 |
4.1.1 算法流程分析 | 第62-68页 |
4.1.2 编制软件介绍 | 第68-69页 |
4.1.3 实验结果比较 | 第69-83页 |
4.2 基于Angstrom指数的多波段遥感图像去雾算法 | 第83-89页 |
4.2.1 Angstrom指数关系 | 第83-85页 |
4.2.2 实验结果比较 | 第85-89页 |
4.3 基于Mean-Shift分块去卷积的遥感图像去雾算法 | 第89-101页 |
4.3.1 基于Mean-Shift的图像分割 | 第89-93页 |
4.3.2 分块去卷积 | 第93-94页 |
4.3.3 实验结果比较 | 第94-98页 |
4.3.4 激光雷达合并应用 | 第98-101页 |
4.4 基于CUDA的遥感图像去雾GPU加速算法 | 第101-104页 |
4.4.1 GPU加速及CUDA介绍 | 第102页 |
4.4.2 实验结果比较 | 第102-104页 |
4.5 基于遥感图像大气分布估计算法 | 第104-111页 |
4.5.1 大气非均匀分布估计修正 | 第105-106页 |
4.5.2 图像透过率估计修正 | 第106-107页 |
4.5.3 实验结果比较 | 第107-111页 |
4.6 本章小结 | 第111-113页 |
5 大气退化图像质量评价方法研究 | 第113-135页 |
5.1 人工神经网络算法概述 | 第113-116页 |
5.1.1 人工神经网络模型 | 第113-115页 |
5.1.2 人工神经网络的训练算法 | 第115-116页 |
5.2 输入参量及训练数据库介绍 | 第116-128页 |
5.2.1 训练数据库 | 第117页 |
5.2.2 大气退化相关图像性质 | 第117-128页 |
5.3 遥感图像大气退化评价结果 | 第128-132页 |
5.3.1 人工神经网络图像评价流程 | 第128-129页 |
5.3.2 图像评价结果 | 第129-132页 |
5.4 本章小结 | 第132-135页 |
6 总结与展望 | 第135-139页 |
6.1 本文主要完成的工作 | 第135-136页 |
6.2 主要创新点 | 第136-137页 |
6.3 未来的展望 | 第137-139页 |
参考文献 | 第139-149页 |
博士攻读期间科研成果及参与项目 | 第149-150页 |