基于卷积神经网络的Pan-sharpening方法研究

目录

声明

插图索引

表格索引

缩略语对照表

第一章绪论

1.1 研究背景及意义

1.2 图像融合的层次

1.3 Pan-sharpening方法国内外研究现状

1.4 论文的主要内容及章节安排

第二章理论基础

2.1 引言

2.2 卷积神经网络

2.2.1 主要组成结构

2.2.2 经典网络模型

2.3 基于CNN 的Pan-sharpening 算法

2.4 图像融合质量评价

2.4.1 主观评价

2.4.2 客观评价

2.5 本章小结

第三章基于浅-深卷积网络和细节注入的Pan-sharpening方法

3.1 引言

3.2 ARSIS 概念

3.3 基于浅-深卷积网络与细节注入的Pan-sharpening方法

3.3.1 网络结构

3.3.2 基于浅-深卷积网络的空间细节提取

3.3.3 基于光谱区分的细节注入

3.4 实验结果及分析

3.4.1 模拟数据实验

3.4.2 实际数据实验

3.4.3 网络结构分析

3.4.4 网络参数分析

3.5 本章小结

第四章基于多尺度密集网络的Pan-sharpening方法

4.1 引言

4.2 基于多尺度残差网络的图像超分辨率重建

4.3 基于多尺度密集网络的Pan-sharpening方法

4.3.1 网络结构

4.3.2 全局密集特征融合

4.4 实验结果及分析

4.4.1 模拟数据实验

4.4.2 实际数据实验

4.4.3 MDB内部结构分析

4.4.4 整体网络结构分析

4.4.5 MDB数量分析

4.5 本章小结

总结与展望

工作总结

研究展望

参考文献

攻读硕士学位期间取得的科研成果

致谢