高分辨光學遙感影像復原與目標檢測技術

第1章 高分辨天基光學遙感目標探測技術
1.1 引言
1.2 高空間分辨率遙感技術
1.3 高光譜分辨率遙感技術
1.4 高光譜與高空間分辨率遙感目標探測方法簡析
1.5 光學遙感圖像復原處理研究現(xiàn)狀及發(fā)展趨勢
1.6 高光譜目標檢測技術研究現(xiàn)狀以及發(fā)展趨勢
1.7 本章小結
第2章 基于變指數(shù)函數(shù)正則化的遙感圖像降晰模型辨識研究
2.1 引言
2.2 模型基礎
2.3 基于變指數(shù)函數(shù)正則化的多因素圖像降晰模型辨識
2.4 實驗結果與分析
2.5 本章小結
第3章 基于光滑-增強先驗的圖像快速盲復原術
3.1 引言
3.2 光滑-增強先驗模型
3.3 基于光滑-增強先驗的盲復原模型與優(yōu)化
3.4 實驗結果與分析
3.5 本章小結
第4章 基于可微分錨框的光學遙感圖像目標檢測
4.1 引言
4.2 基于深度學習的目標檢測和錨框原理簡介
4.3 基于可微分錨框的目標檢測框架
4.4 基于可微分錨框的檢測器訓練
4.5 實驗結果與分析
4.6 本章小結
第5章 基于注意力機制自編碼器的高光譜波段選擇
5.1 引言
5.2 自編碼器與注意力機制簡介
5.3 基于注意力機制的自編碼器
5.4 基于波段注意力掩碼聚類的波段選擇
5.5 實驗結果與分析
5.6 本章小結
第6章 基于正交稀疏先驗自編碼器的高光譜盲解混方法
6.1 引言
6.2 基于正交稀疏先驗的自編碼器
6.3 超拉普拉斯損失函數(shù)
6.4 高光譜圖像中異常光譜移除
6.5 實驗結果與分析
6.6 本章小結
第7章 基于低秩稀疏分解孿生網(wǎng)絡的高光譜目標探測方法
7.1 引言
7.2 基于低秩-稀疏分解的自編碼器
7.3 基于孿生神經(jīng)網(wǎng)絡的高光譜目標探測
7.4 基于線性光譜混合模型的數(shù)據(jù)擴充方法
7.5 實驗結果與分析
7.6 本章小結
第8章 高光譜亞像元定位快速處理方法
8.1 引言
8.2 高光譜亞像元定位技術原理和方法
8.3 高光譜亞像元定位觀測模型的結構
8.4 MAP-TV高光譜亞像元定位模型
8.5 高光譜亞像元定位快速混合迭代算法
8.6 實驗結果與分析
8.7 本章小結
參考文獻