●前言
第1章 緒論
1.1 研究意義和背景
1.2 本領域的發展概況
參考文獻
第2章 遙感繫統成像模型與圖像降質分析
2.1 成像繫統的基本原理
2.2 基本成像模型與降質模式
2.3 三個基本問題
參考文獻
第3章 遙感圖像除噪聲
3.1 高光譜圖像條帶噪聲
3.1.1 矩匹配方法
3.1.2 改進的矩匹配方法
3.2 SAR圖像斑點噪聲
3.2.1 Frost濾波器
3.2.2 Kuan濾波
3.2.3 Lee濾波
3.2.4 Gamma Map濾波
3.3 常見加性除噪方法
3.3.1 全變分除噪
3.3.2 小波除噪
3.3.3 雙邊濾波除噪
3.3.4 塊匹配除噪
3.3.5 低秩
3.3.6 圖像塊似然對數期望
3.3.7 稀疏表征
3.4 同步噪聲理論
3.4.1 基於同步噪聲選擇非線性擴散的停止時間
3.4.2 基於同步噪聲優化非局部平均除噪
參考文獻
第4章 遙感圖像薄雲去除
4.1 基於大氣散射模型的方法
4.1.1 暗通道先驗法
4.1.2 顏色衰減先驗法
4.1.3 卷積網絡獲取介質傳播圖
4.2 光譜混合分析
4.3 濾波的方法
4.3.1 同態濾波
4.3.2 小波變換
4.4 薄雲很優化變換方法
參考文獻
第5章 遙感圖像復原
5.1 遙感圖像模糊的形成
5.2 已知模糊核函數的圖像復原
5.2.1 基本的變換域圖像復原逆濾波
5.2.2 基本的空域圖像復原
5.2.3 引入優選的規整化方法
5.2.4 多通道圖像復原
5.3 未知模糊核函數的盲復原
5.3.1 早期方法
5.3.2 變分貝葉斯盲復原
參考文獻
第6章 遙感圖像的融合
6.1 遙感圖像的分辨率
6.2 多光譜與全色融合
6.2.1 全色與多光譜融合研究現狀
6.2.2 色度融合的改進算法
6.2.3 色度融合與多分辨率融合的關繫
6.2.4 基於成像模型的色度融合
6.2.5 基於成像模型的多分辨率融合
6.3 時空遙感圖像融合
6.3.1 Landsat數據
6.3.2 MODIS數據
6.3.3 數據預處理
6.3.4混合算法
6.4 多光譜與高光譜融合
6.4.1 基於小波的方法
6.4.2 基於稀疏表征的方法
6.4.3 基於非負矩陣因子化的方法
6.4.4 基於低秩矩陣的方法
6.5 融合結果的比較以及評價標準
參考文獻
第7章 超分辨率圖像重建
7.1 觀測模型
7.2 超分辨率圖像重建算法
7.2.1 非均勻插值方法
7.2.2 頻域方法
7.2.3 規整化的超分辨率重建方法
7.2.4 凸集投影方法
7.2.5 優選似然-凸集投影重建方法
7.2.6 其他超分辨率重建方法
7.3 超分辨率中的其他難題
7.3.1 考慮配準錯誤的超分辨率
7.3.2 盲超分辨率圖像重建
7.3.3 計算效率高的超分辨率算法
7.4 基於樣例的超分辨率重建
7.4.1 局部自相似性
7.4.2 非二進制的濾波器
7.4.3 濾波器設計
參考文獻
第8章 遙感圖像陰影檢測與去除
8.1 陰影的簡介
8.1.1 陰影的屬性
8.1.2 陰影的利弊
8.2 陰影檢測的方法
8.2.1 基於物理模型的方法
8.2.2 基於顏色空間模型的方法
8.2.3 基於閾值分割的方法
8.2.4 基於種子區域增長的方法
8.2.5 基於幾何模型的方法
8.2.6 陰影檢測方法對比
8.3 陰影去除的方法
8.3.1 基於顏色恆常性的方法
8.3.2 基於Retinex圖像的方法
8.3.3 基於HSI色彩空間的方法
8.3.4 基於同態濾波的方法
8.3.5 基於馬爾可夫場的方法
8.3.6 陰影去除方法對比
參考文獻
