声明
1 绪论
1.1 课题背景与意义
1.2 课题研究现状及研究关键问题
1.2.1 高光谱图像特性分析
1.2.2 高光谱图像重建算法研究现状
1.2.3 高光谱图像压缩感知研究关键问题
1.3 本文主要工作与创新点
1.4 本文组织与结构
2 压缩感知理论及其应用
2.1 引言
2.2 压缩感知理论
2.2.1 测量矩阵设计
2.2.2 重构算法设计
2.3 压缩感知的应用
2.4 本章小结
3 现有压缩感知重建方法及其在高光谱图像中的应用
3.1 引言
3.2 传统压缩感知重建方法及其在高光谱图像中的应用
3.2.1 D-AMP
3.2.2 TVAL3
3.3 基于深度学习的压缩感知重建及其在高光谱图像中的应用
3.4 实验结果
3.5 本章小结
4 基于块残差网络的高光谱图像重构
4.1 引言
4.2 残差网络
4.2.1 从卷积神经网络到残差网络
4.2.2 残差网络训练方法
4.3 基于块残差网络的高光谱图像重构算法
4.3.1 总体框架与流程
4.3.2 基于块的高光谱图像压缩感知采样
4.3.3 基于块残差网络的高光谱图像重构算法
4.3.4 基于块残差网络的高光谱图像去块效应算法
4.4 实验结果
4.4.1 数据集与评价标准
4.4.2 基于块残差网络的高光谱图像重构算法实验结果
4.4.3 基于块残差网络的高光谱图像去块效应算法实验结果
4.5 本章小结
5 基于空谱联合密集残差网络的高光谱图像重构
5.1 引言
5.2 基于空谱联合密集残差网络的高光谱图像重构
5.2.1 总体框架与流程
5.2.2 基于密集残差网络的高光谱图像重构算法
5.2.3 基于空谱联合密集残差网络的高光谱图像重构算法
5.3 实验结果
5.3.1 数据集和评价指标
5.3.2 基于密集残差网络的高光谱图像重构实验结果
5.3.3 基于空谱联合密集残差网络的高光谱图像重构实验结果
5.4 本章小结
6 总结与展望
6.1 论文总结
6.2 不足之处及未来展望
致谢
参考文献
附录
南京理工大学;