声明
摘要
插图索引
表格索引
符号对照表
缩略语对照表
第一章 绪论
1.1 图像融合的目的与意义
1.1.1 图像融合的层次
1.1.2 图像融合分类
1.1.3 多源图像融合的目的与意义
1.2 多光谱与全色图像融合的发展现状与意义
1.2.1 常见的光学卫星及其数据特性
1.2.2 多光谱与全色图像融合研究现状
1.3 客观评价指标
1.4 本文的工作与主要内容
第二章 基于粒子群优化的自适应分量替换融合方法
2.1 引言
2.1.1 分量替换融合框架
2.1.2 粒子群优化算法原理
2.2 自适应分量替换融合框架
2.2.1 基于粒子群优化的自适应分量替换融合方法
2.2.2 相似性测量函数
2.2.3 粒子群算法参数设置
2.3 实验与结果分析
2.3.1 实验数据与评价方法
2.3.2 与基于IHS变换融合方法的比较实验和结果分析
2.3.3 与基于GS变换融合方法的比较实验和结果分析
2.3.4 与CS-PR方法的比较实验和结果分析
2.4 本章小结
第三章 基于局部线性嵌入和小波融合的改进分量替换融合方法
3.1 引言
3.2 改进分量替换融合框架
3.2.1 利用局部线性嵌入超分辨重建I1H
3.2.2 利用小波融合技术合成I2H
3.2.3 改进分量替换融合模型
3.2.4 融合图像增强
3.3 实验与结果分析
3.3.1 实验数据和评价指标
3.3.2 图像块大小与权重系数对本章方法性能的影响
3.3.3 QuickBird仿真实验与结果分析
3.3.4 GeoEye-1仿真实验与结果分析
3.4 本章小结
第四章 基于稀疏表示和局部自回归模型的多光谱与全色图像融合方法
4.1 引言
4.2 稀疏表示和压缩感知
4.2.1 稀疏表示
4.2.2 压缩感知理论
4.3 基于稀疏和局部白回归先验的多光谱与全色图像融合方法
4.3.1 多光谱图像与全色图像成像模型
4.3.2 高分辨多光谱图像的稀疏表示模型
4.3.4 局部自回归模型
4.3.5 光谱字典和空间细节字典构造方法
4.4 实验与结果分析
4.4.1 实验设置
4.4.2 仿真实验与结果分析
4.4.3 真实实验与结果分析
4.5 本章小结
第五章 基于分布式压缩感知的多光谱图像锐化方法
5.1 引言
5.2 分布式压缩感知理论
5.3 本章方法
5.3.1 低分辨多光谱图像与高分辨全色图像的观测模型
5.3.2 基于联合稀疏先验的融合方法
5.3.3 字典构造方法
5.3.4 本章方法复杂度分析
5.4 实验与结果分析
5.4.1 实验数据
5.4.2 参数设置
5.4.4 共同分量和独有分量
5.4.5 仿真实验和结果分析
5.4.6 真实实验和结果分析
5.5 本章小结
第六章 基于双空间正则的多光谱图像锐化方法
6.1 引言
6.2 本章方法的优化模型
6.2.1 低分辨多光谱图像成像模型
6.2.2 全局空间相似正则
6.2.3 非局部相似正则
6.3 正则参数的设定和梯度下降方法
6.3.1 分析和定义正则参数
6.3.2 梯度下降优化方法
6.4 仿真实验和结果分析
6.4.1 实验数据和评价指标
6.4.2 正则参数和滤波器对本章方法性能的影响
6.4.3 仿真实验和结果分析
6.4.4 融合图像单波段分析
6.5 本章小结
第七章 总结与展望
7.1 研究总结
7.2 研究展望
参考文献
致谢
作者简介