论文目录 | |
| 摘要 | 第1-5
页 |
| ABSTRACT | 第5-13
页 |
| 第一章 绪论 | 第13-19
页 |
| · 课题研究背景和意义 | 第13-14
页 |
| · 遥感图像融合的定义及一般模型 | 第13
页 |
| · 遥感图像融合的目的及意义 | 第13-14
页 |
| · 遥感图像融合技术的发展现状 | 第14-17
页 |
| · 研究发展及现状 | 第14-16
页 |
| · 存在的问题 | 第16-17
页 |
| · 本文的研究内容及主要创新点 | 第17-19
页 |
| · 本文的研究内容 | 第17
页 |
| · 本文的主要创新点 | 第17-19
页 |
| 第二章 基于Contourlet 变换和互信息7 的遥感图像配准方法 | 第19-31
页 |
| · 引言 | 第19
页 |
| · 图像配准的过程及分类 | 第19-20
页 |
| · 图像配准的几种方法 | 第20-23
页 |
| · 基于小波变换的配准参数搜索算法 | 第20
页 |
| · 基于互相关的遥感图像配准方法 | 第20-21
页 |
| · 基于互信息的遥感图像配准方法 | 第21-23
页 |
| · 基于Contourlet 变换和互信息的遥感图像配准方法 | 第23-26
页 |
| · Contourlet 变换理论 | 第23-26
页 |
| · 基于Contourlet 变换和互信息的遥感图像配准算法 | 第26
页 |
| · 实验结果及分析 | 第26-30
页 |
| · 本章小结 | 第30-31
页 |
| 第三章 常用的遥感图像融合算法研究 | 第31-40
页 |
| · 遥感图像融合的三个层次 | 第31
页 |
| · 遥感图像融合的常用方法 | 第31-35
页 |
| · 线性加权平均法 | 第31-32
页 |
| · 高通滤波 | 第32
页 |
| · 基于HIS 变换的融合方法 | 第32-33
页 |
| · 基于PCA 变换的融合方法 | 第33-34
页 |
| · 基于小波变换的融合方法 | 第34-35
页 |
| · 融合结果评价准则 | 第35-37
页 |
| · 主观评价方法 | 第35-36
页 |
| · 客观评价方法 | 第36-37
页 |
| · 实验结果及分析 | 第37-39
页 |
| · 本章小结 | 第39-40
页 |
| 第四章 基于Contourlet 变换和区域特征的遥感图像融合算法 | 第40-46
页 |
| · 引言 | 第40-41
页 |
| · 传统遥感图像融合算法存在的缺点 | 第40
页 |
| · Contourlet 变换在图像融合应用中的优点 | 第40-41
页 |
| · 基于Contourlet 变换和区域特征的遥感图像融合算法 | 第41-42
页 |
| · 实验结果及分析 | 第42-44
页 |
| · 本章小结 | 第44-46
页 |
| 第五章 Contourlet 域独立分量分析和支持向量机的遥感图像融合算法 | 第46-61
页 |
| · 引言 | 第46
页 |
| · 独立分量分析（ICA）的基本理论 | 第46-50
页 |
| · 独立分量分析的相关概念及线性模型 | 第46-48
页 |
| · Fast ICA 方法概述 | 第48-50
页 |
| · 支持向量机（SVM）的基本理论 | 第50-55
页 |
| · 支持向量机（SVM）的基本原理 | 第50-53
页 |
| · 粒子群优化支持向量机 | 第53-55
页 |
| · Contourlet 域独立分量分析和支持向量机的图像融合算法 | 第55-57
页 |
| · 实验结果及分析 | 第57-60
页 |
| · 本章小结 | 第60-61
页 |
| 第六章 基于Contourlet 变换和支持向量聚类的遥感图像融合算法 | 第61-70
页 |
| · 引言 | 第61
页 |
| · 支持向量聚类（SVC）的基本原理 | 第61-63
页 |
| · 基于Contourlet 变换和支持向量聚类的图像融合算法 | 第63-66
页 |
| · 实验结果及分析 | 第66-69
页 |
| · 本章小结 | 第69-70
页 |
| 第七章 总结和展望 | 第70-73
页 |
| · 本文的主要工作及结论 | 第70-72
页 |
| · 进一步研究工作展望 | 第72-73
页 |
| 参考文献 | 第73-78
页 |
| 致谢 | 第78-79
页 |
| 在学期间的研究成果及发表的学术论文 | 第79
页 |
