声明
第一章 绪论
1.1 研究背景和意义
1.1.1 研究背景
1.1.2 研究意义
1.2 国内外研究现状
1.2.1 薄云去除方法
1.2.2 厚云去除方法
1.3 研究内容及章节安排
1.3.1 本文研究内容
1.3.2 论文章节安排
第二章 遥感图像去云原理及图像配准研究
2.1 遥感图像中的云模型
2.1.1 云的形成与分类
2.1.2 遥感图像中云的特征
2.1.3 遥感图像中云的成像模型
2.2 常用遥感图像薄云去除算法分析
2.2.1 同态滤波法
2.2.2 小波变换法
2.3 常用遥感图像厚云去除算法分析
2.3.1 局部替换法
2.3.2 基于小波融合的厚云去除
2.4 遥感图像配准研究
2.4.1 基于SIFT特征的遥感图像配准
2.4.2 改进的遥感图像配准
2.4.3 实验仿真与对比分析
2.5 本章小结
第三章 低秩矩阵恢复方法及常用算法分析
3.1 低秩矩阵恢复方法
3.1.1 方法描述
3.1.2 鲁棒主成分分析(RPCA)
3.2 常用的RPCA算法
3.2.1 迭代阈值算法(IT)
3.2.2 加速近端梯度算法(APG)
3.2.3 增广拉格朗日乘子法(ALM)
3.3 仿真实验与对比分析
3.4 本章小结
第四章 改进的RPCA算法研究
4.1 问题的提出
4.2 基于似零范数的稀疏矩阵优化算法
4.2.1 基于似零范数的稀疏矩阵优化模型
4.2.2 问题求解
4.3 基于粗糙SVD的低秩矩阵降维算法
4.4 改进的RPCA算法
4.4.1 算法流程
4.4.2 仿真实验与对比分析
4.5 本章小结
第五章 改进RPCA算法去除遥感图像稀疏云层研究
5.1 采用改进的RPCA遥感图像去云算法研究
5.1.1 基本思想
5.1.2 算法步骤
5.2 实验仿真与分析
5.2.1 应用环境及数据描述
5.2.2 图像质量评价标准
5.2.3 实验结果分析
5.3 本章小结
第六章 结论
6.1 总结
6.2 展望
参考文献
攻读硕士学位期间所取得的相关科研成果
致谢
河北工业大学;