目录
前言
第1章 绪论 1
1.1 研究意义和背景 1
1.2 本领域的发展概况 3
参考文献 4
第2章 遥感系统成像模型与图像降质分析 5
2.1 成像系统的基本原理 5
2.2 基本成像模型与降质模式 9
2.3 三个基本问题 14
参考文献 16
第3章 遥感图像除噪声 17
3.1 高光谱图像条带噪声 17
3.1.1 矩匹配方法 18
3.1.2 改进的矩匹配方法 19
3.2 SAR图像斑点噪声 20
3.2.1 Frost滤波器 21
3.2.2 Kuan滤波 21
3.2.3 Lee滤波 21
3.2.4 Gamma Map滤波 22
3.3 常见加性除噪方法 22
3.3.1 全变分除噪 22
3.3.2 小波除噪 24
3.3.3 双边滤波除噪 27
3.3.4 块匹配除噪 28
3.3.5 低秩 30
3.3.6 图像块似然对数期望 32
3.3.7 稀疏表征 34
3.4 同步噪声理论 38
3.4.1 基于同步噪声选择非线性扩散的停止时间 38
3.4.2 基于同步噪声优化非局部平均除噪 41
参考文献 44
第4章 遥感图像薄云去除 48
4.1 基于大气散射模型的方法 48
4.1.1 暗通道先验法 49
4.1.2 颜色衰减先验法 52
4.1.3 卷积网络获取介质传播图 55
4.2 光谱混合分析 57
4.3 滤波的方法 59
4.3.1 同态滤波 60
4.3.2 小波变换 63
4.4 薄云*优化变换方法 67
参考文献 69
第5章 遥感图像复原 72
5.1 遥感图像模糊的形成 72
5.2 已知模糊核函数的图像复原 77
5.2.1 基本的变换域图像复原逆滤波 77
5.2.2 基本的空域图像复原 81
5.2.3 引入先进的规整化方法 83
5.2.4 多通道图像复原 87
5.3 未知模糊核函数的盲复原 88
5.3.1 早期方法 88
5.3.2 变分贝叶斯盲复原 90
参考文献 95
第6章 遥感图像的融合 98
6.1 遥感图像的分辨率 98
6.2 多光谱与全色融合 101
6.2.1 全色与多光谱融合研究现状 103
6.2.2 色度融合的改进算法 107
6.2.3 色度融合与多分辨率融合的关系 108
6.2.4 基于成像模型的色度融合 113
6.2.5 基于成像模型的多分辨率融合 122
6.3 时空遥感图像融合 130
6.3.1 Landsat数据 131
6.3.2 MODIS数据 132
6.3.3 数据预处理 132
6.3.4 像元混合算法 133
6.4 多光谱与高光谱融合 140
6.4.1 基于小波的方法 140
6.4.2 基于稀疏表征的方法 142
6.4.3 基于非负矩阵因子化的方法 143
6.4.4 基于低秩矩阵的方法 146
6.5 融合结果的比较以及评价标准 147
参考文献 148
第7章 超分辨率图像重建 152
7.1 观测模型 154
7.2 超分辨率图像重建算法 157
7.2.1 非均匀插值方法 157
7.2.2 频域方法 159
7.2.3 规整化的超分辨率重建方法 161
7.2.4 凸集投影方法 164
7.2.5 *大似然-凸集投影重建方法 166
7.2.6 其他超分辨率重建方法 166
7.3 超分辨率中的其他难题 168
7.3.1 考虑配准错误的超分辨率 168
7.3.2 盲超分辨率图像重建 170
7.3.3 计算效率高的超分辨率算法 170
7.4 基于样例的超分辨率重建 171
7.4.1 局部自相似性 171
7.4.2 非二进制的滤波器 172
7.4.3 滤波器设计 173
参考文献 174
第8章 遥感图像阴影检测与去除 179
8.1 阴影的简介 179
8.1.1 阴影的属性 180
8.1.2 阴影的利弊 180
8.2 阴影检测的方法 180
8.2.1 基于物理模型的方法 181
8.2.2 基于颜色空间模型的方法 182
8.2.3 基于阈值分割的方法 184
8.2.4 基于种子区域增长的方法 185
8.2.5 基于几何模型的方法 186
8.2.6 阴影检测方法对比 188
8.3 阴影去除的方法 189
8.3.1 基于颜色恒常性的方法 189
8.3.2 基于Retinex图像的方法 191
8.3.3 基于HSI色彩空间的方法 193
8.3.4 基于同态滤波的方法 194
8.3.5 基于马尔可夫场的方法 196
8.3.6 阴影去除方法对比 197
参考文献 198
^ 收 起 
