目錄
前言
第1章 緒論 1
1.1 研究意義和背景 1
1.2 本領域的發(fā)展概況 3
參考文獻 4
第2章 遙感系統(tǒng)成像模型與圖像降質分析 5
2.1 成像系統(tǒng)的基本原理 5
2.2 基本成像模型與降質模式 9
2.3 三個基本問題 14
參考文獻 16
第3章 遙感圖像除噪聲 17
3.1 高光譜圖像條帶噪聲 17
3.1.1 矩匹配方法 18
3.1.2 改進的矩匹配方法 19
3.2 SAR圖像斑點噪聲 20
3.2.1 Frost濾波器 21
3.2.2 Kuan濾波 21
3.2.3 Lee濾波 21
3.2.4 Gamma Map濾波 22
3.3 常見加性除噪方法 22
3.3.1 全變分除噪 22
3.3.2 小波除噪 24
3.3.3 雙邊濾波除噪 27
3.3.4 塊匹配除噪 28
3.3.5 低秩 30
3.3.6 圖像塊似然對數期望 32
3.3.7 稀疏表征 34
3.4 同步噪聲理論 38
3.4.1 基于同步噪聲選擇非線性擴散的停止時間 38
3.4.2 基于同步噪聲優(yōu)化非局部平均除噪 41
參考文獻 44
第4章 遙感圖像薄云去除 48
4.1 基于大氣散射模型的方法 48
4.1.1 暗通道先驗法 49
4.1.2 顏色衰減先驗法 52
4.1.3 卷積網絡獲取介質傳播圖 55
4.2 光譜混合分析 57
4.3 濾波的方法 59
4.3.1 同態(tài)濾波 60
4.3.2 小波變換 63
4.4 薄云*優(yōu)化變換方法 67
參考文獻 69
第5章 遙感圖像復原 72
5.1 遙感圖像模糊的形成 72
5.2 已知模糊核函數的圖像復原 77
5.2.1 基本的變換域圖像復原逆濾波 77
5.2.2 基本的空域圖像復原 81
5.2.3 引入先進的規(guī)整化方法 83
5.2.4 多通道圖像復原 87
5.3 未知模糊核函數的盲復原 88
5.3.1 早期方法 88
5.3.2 變分貝葉斯盲復原 90
參考文獻 95
第6章 遙感圖像的融合 98
6.1 遙感圖像的分辨率 98
6.2 多光譜與全色融合 101
6.2.1 全色與多光譜融合研究現狀 103
6.2.2 色度融合的改進算法 107
6.2.3 色度融合與多分辨率融合的關系 108
6.2.4 基于成像模型的色度融合 113
6.2.5 基于成像模型的多分辨率融合 122
6.3 時空遙感圖像融合 130
6.3.1 Landsat數據 131
6.3.2 MODIS數據 132
6.3.3 數據預處理 132
6.3.4 像元混合算法 133
6.4 多光譜與高光譜融合 140
6.4.1 基于小波的方法 140
6.4.2 基于稀疏表征的方法 142
6.4.3 基于非負矩陣因子化的方法 143
6.4.4 基于低秩矩陣的方法 146
6.5 融合結果的比較以及評價標準 147
參考文獻 148
第7章 超分辨率圖像重建 152
7.1 觀測模型 154
7.2 超分辨率圖像重建算法 157
7.2.1 非均勻插值方法 157
7.2.2 頻域方法 159
7.2.3 規(guī)整化的超分辨率重建方法 161
7.2.4 凸集投影方法 164
7.2.5 *大似然-凸集投影重建方法 166
7.2.6 其他超分辨率重建方法 166
7.3 超分辨率中的其他難題 168
7.3.1 考慮配準錯誤的超分辨率 168
7.3.2 盲超分辨率圖像重建 170
7.3.3 計算效率高的超分辨率算法 170
7.4 基于樣例的超分辨率重建 171
7.4.1 局部自相似性 171
7.4.2 非二進制的濾波器 172
7.4.3 濾波器設計 173
參考文獻 174
第8章 遙感圖像陰影檢測與去除 179
8.1 陰影的簡介 179
8.1.1 陰影的屬性 180
8.1.2 陰影的利弊 180
8.2 陰影檢測的方法 180
8.2.1 基于物理模型的方法 181
8.2.2 基于顏色空間模型的方法 182
8.2.3 基于閾值分割的方法 184
8.2.4 基于種子區(qū)域增長的方法 185
8.2.5 基于幾何模型的方法 186
8.2.6 陰影檢測方法對比 188
8.3 陰影去除的方法 189
8.3.1 基于顏色恒常性的方法 189
8.3.2 基于Retinex圖像的方法 191
8.3.3 基于HSI色彩空間的方法 193
8.3.4 基于同態(tài)濾波的方法 194
8.3.5 基于馬爾可夫場的方法 196
8.3.6 陰影去除方法對比 197
參考文獻 198
鄂公網安備 42010302001612號 