多源遙感圖像融合技術(shù)

目錄序前言第1章 緒論 11.1 多源圖像融合的意義 11.2 遙感圖像融合的定義 41.3 遙感圖像配準方法概述 51.3.1 遙感圖像配準步驟 61.3.2 圖像幾何變換模型 71.3.3 圖像的插值重采樣 81.3.4 遙感圖像配準方法 91.4 遙感圖像融合方法概述 111.4.1 分量替換法 111.4.2 比值變換法 141.4.3 頻率分解法 151.4.4 深度學習法 161.5 主要研究內(nèi)容 181.6 本章小結(jié) 19參考文獻 19第2章 多源遙感圖像融合評價方法 252.1 圖像配準精度評價 252.1.1 主觀配準評價 252.1.2 客觀配準評價 262.2 圖像融合保真度評價 292.2.1 主觀融合評價 292.2.2 客觀融合評價 322.3 本章小結(jié) 38參考文獻 38第3章 寬幅多源光學遙感圖像配準方法 413.1 寬幅多源光學遙感圖像配準存在的問題 413.1.1 圖像自身因素導致的配準問題 413.1.2 技術(shù)局限因素導致的配準問題 443.2 基于斑點尺度與斑點紋理約束的寬幅遙感圖像配準方法 463.2.1 SIFT配準方法簡介 463.2.2 寬幅全色與多光譜圖像的子塊劃分 503.2.3 基于相位相關(guān)性的圖像子塊粗配準 513.2.4 基于各向異性高斯尺度空間的特征點提取 523.2.5 基于斑點尺度與斑點紋理約束的圖像子塊精配準 543.2.6 實驗結(jié)果和分析 583.3 DoG與VGG網(wǎng)絡(luò)結(jié)合的遙感圖像配準方法 633.3.1 特征點誤匹配原因分析 633.3.2 DoG與VGG結(jié)合的配準網(wǎng)絡(luò)模型 643.3.3 配準網(wǎng)絡(luò)模型訓練樣本生成 663.3.4 實驗結(jié)果和分析 663.4 本章小結(jié) 70參考文獻 71第4章 全色與多光譜圖像高保真融合方法 734.1 基于整體結(jié)構(gòu)信息匹配的高保真融合方法 734.1.1 高保真融合定義 734.1.2 圖像融合存在的問題分析 754.1.3 基于整體結(jié)構(gòu)信息匹配的高保真融合方法 774.1.4 實驗結(jié)果和分析 814.2 基于像素分類與比值變換的高保真融合方法 884.2.1 乘性變換融合模型 884.2.2 低分辨率全色圖像合成 894.2.3 實驗結(jié)果和分析 904.3 基于生成對抗網(wǎng)絡(luò)的高保真融合方法 954.3.1 深度網(wǎng)絡(luò)的基本操作 954.3.2 典型的深度網(wǎng)絡(luò)融合模型 974.3.3 基于GAN的全色與多光譜圖像融合模型 984.3.4 實驗結(jié)果和分析 1024.4 本章小結(jié) 108參考文獻 108第5章 全色與高光譜圖像高保真融合方法 1105.1 基于殘差網(wǎng)絡(luò)的圖像融合方法 1105.1.1 比值變換法 1115.1.2 殘差注意力網(wǎng)絡(luò) 1125.1.3 損失函數(shù) 1135.1.4 實驗結(jié)果和分析 1145.2 基于生成對抗網(wǎng)絡(luò)的圖像分層融合方法 1185.2.1 融合模型總體結(jié)構(gòu) 1185.2.2 差值圖像初始化 1195.2.3 生成對抗網(wǎng)絡(luò)結(jié)構(gòu) 1205.2.4 實驗結(jié)果和分析 1235.3 本章小結(jié) 128參考文獻 129第6章 多光譜與高光譜圖像高保真融合方法 1316.1 基于稀疏表示與雙字典的多光譜與高光譜圖像融合方法 1316.1.1 高光譜圖像的稀疏特性分析 1326.1.2 基于稀疏表示與雙字典的多光譜與高光譜圖像融合 1346.1.3 實驗結(jié)果和分析 1406.2 基于多路神經(jīng)網(wǎng)絡(luò)學習的多光譜與高光譜圖像融合方法 1526.2.1 多路神經(jīng)網(wǎng)絡(luò)學習1526.2.2 基于多路神經(jīng)網(wǎng)絡(luò)學習的多光譜與高光譜圖像融合 1536.2.3 實驗結(jié)果和分析 1586.3 本章小結(jié) 165參考文獻 165彩圖