遙感數(shù)據(jù)質(zhì)量改善之信息復(fù)原

目錄
第1章概述
1.1 研究背景與意義
1.2 研究?jī)?nèi)容 4
第2章遙感影像復(fù)原方法及其**進(jìn)展 7
2.1 噪聲與模糊退化模型 7
2.1.1 遙感影像的噪聲模型 8
2 1.2 遙感影像的模糊模型 10
2.2 影像復(fù)原研究現(xiàn)狀 11
2.2.1 空間蠕移動(dòng)窗口法 11
2.2.2 變換域影像復(fù)原法 13
2.2.3 基于偏微分方程的復(fù)原方法 18
2.2.4基于變分的復(fù)原方法 22
2.2.5基于機(jī)椿學(xué)習(xí)的復(fù)原方法 26
2.3 影像盲復(fù)原方法 30
2.3.1 基于MAP的盲復(fù)原方法 31
2.3.2 基于邊緣預(yù)割的盲復(fù)原法 32
2.3.3 變分貝葉斯復(fù)原方法 33
2.4 變分正則化模型的數(shù)值求解方法 35
2.4.1 線性問(wèn)題的數(shù)值解法 35
2.4.2 非線性問(wèn)題的數(shù)值解法 38
2.5 本章總結(jié) 42
第3章遙感影像脈沖噪聲去除方法 49
3.1 脈忡噪聲及其分布特征 49
3.1.1 固定值脈忡噪聲 50
3.1.2 隨機(jī)值脈忡噪聲 50
3.2 經(jīng)典的脈沖噪聲去除方法 50
3.2.1 傳統(tǒng)中值油披 50
3.2.2 加權(quán)中值油披 51
3.2.3 開(kāi)關(guān)中值油披 52
3立4 噪聲探測(cè)方法 52
3.3 保持細(xì)節(jié)信息的迭代中值濾波 54
3.4 實(shí)驗(yàn)結(jié)果與分析 56
3.5本章總結(jié) 60
第4章遙感影像條帶曝聲去除方法 62
4.1 條帶噪聲成因與特性分析 62
4.1.1 條帶噪聲產(chǎn)生的原因 62
4.1.2 條帶噪聲的特性分析 63
4.2 經(jīng)典的條帶噪聲去除方法 66
4.2.1 條帶噪聲的處理方法分類 66
4.2.2 空間域統(tǒng)計(jì)計(jì)算的條帶噪聲去除方法 68
4.2.3 變換域頻率濾波的條帶噪聲去除方法 71
4.3 變分框架下的條帶噪聲去除方法 75
4.3.1 基于**后驗(yàn)概率的條帶噪聲去除方法 75
4.3.2 基于校正系數(shù)估計(jì)的條帶噪聲去除方法 77
4.3.3 基于單向變差的條帶去除方法 79
4.3.4 基于稀疏分布假設(shè)的條帶去除方法 80
4.3.5 基于方向差分的斜向條帶去除方法 83
4.4 實(shí)驗(yàn)結(jié)果與分析 86
4.4.1 模擬實(shí)驗(yàn)對(duì)比分析 86
4.4.2 真實(shí)實(shí)驗(yàn)對(duì)比分析 89
4.4.3 斜向條帶噪聲去除實(shí)驗(yàn) 95
4.5 本章總結(jié) 97
第5章遙感影像光譜曝聲去除方法 100
5.1 高光譜遙感影像噪聲分析 100
5.2 變換域光譜噪聲去除方法 104
5.2.1 主成分變換框架下的光譜去噪 104
5.2.2 基于小披域的空譜噪聲分離 105
5.2.3 多維維納植被法 107
5.3 空譜聯(lián)合的變分去噪方法110
5.3.1 空間.光譜聯(lián)合全變差模型 111
5.3.2 多通道非局部全變差模型 115
5.3.3 空譜分布式稀疏先驗(yàn)?zāi)Ｐ?118
5.3.4 基于低秩分解的高光譜去噪方法 124
5.4 實(shí)驗(yàn)結(jié)果與分析 126
5.4.1 模擬實(shí)驗(yàn) 127
5.4.2 真實(shí)實(shí)驗(yàn) 134
5.5 本章總結(jié) 139
第6章遙感影像時(shí)序蝶聲去除方法 142
6.1 研究背景與意義 142
6.2 時(shí)序?yàn)V被方法綜述 143
6.2.1 插值替換方法 144
6.2.2 卷積濾波法 146
6.2.3 顏率域?yàn)V被法 147
6.2.4 曲線擬合法 149
6.2.5 顧及時(shí)空關(guān)系的重建方法 154
6.2.6 其他方法 155
6.3 移動(dòng)力日權(quán)諧波分析時(shí)序噪聲去除方法 155
6.3.1 方法的基本原理 156
6.3.2 MWHA 方法四步流程 157
6.3.3 實(shí)驗(yàn)與分析 160
6.4 顧及時(shí)序噪聲特性的變分濾波方法 167
6.4.1 方法的基本原理 167
6.4.2 噪聲去除實(shí)驗(yàn) 169
6.5本章總結(jié) 172
第7章單極化SAR 影像相干斑噪聲的抑制 175
7.1 相干斑形成機(jī)理及統(tǒng)計(jì)特性 175
7.1.1 相干斑形成機(jī)理 175
7.1.2 單極化SAR 統(tǒng)計(jì)特性 176
7.2 單極化SAR 影像去噪方法綜述 179
7.2.1 局部窗口濾波算法 179
7.2.2 變換域法被算法 182
7.2.3 基于偏微分方程的算法 183
7.2.4 變分去噪算法 184
7.2.5 基于圄塊計(jì)算的算法 185
7.2.6 基于機(jī)器學(xué)習(xí)與智能優(yōu)化的算法 187
7.2.7 其他算法 188
7.2.8 SAR 去噪效果的評(píng)價(jià) 188
7.3 單極化SAR 非局部變分去噪方法 191
7.3.1 經(jīng)典的隊(duì)R 周部變分去噪算法 191
7.3.2 非局部正則化SAR 變分去噪算法 192
7.4 實(shí)驗(yàn)與分析 195
7.4.1 模擬實(shí)驗(yàn) 195
7.4.2 真實(shí)實(shí)驗(yàn) 199
7.5 本章總結(jié) 202
第8章全極化SAR 影像相干斑噪聲的抑制 206
8.1 PolSAR 統(tǒng)計(jì)特性及去噪原則 206
8.1.1 PolSAR 相干斑統(tǒng)計(jì)特性 206
8.1.2 PolSAR 去噪原則 208
8.2 PolSAR 影像濾波方法綜述 209
8.2.1 局部窗口濾波算法 209
8.2.2 基于非局部均值的算法 210
8.2.3 偏微分去噪算法 211
8.2.4 變分去噪算法 212
8.2.5 基于機(jī)器學(xué)習(xí)與智能優(yōu)化的去噪算法 213
8.2.6 PolSAR 去噪效果的評(píng)價(jià) 213
8.3 自適應(yīng)迭代優(yōu)化的PolSARAD 濾波 215
8.3.1 PolSARAD 的基礎(chǔ)模型 215
8.3.2 自適應(yīng)迭代優(yōu)化的PolSARAD 模型 216
8.4 實(shí)驗(yàn)與分析 224
8.4.1 模擬實(shí)驗(yàn) 224
8.4.2 真實(shí)實(shí)驗(yàn) 225
8.5 本章總結(jié) 231
第9章范敢自適應(yīng)的正則化影像復(fù)原方法 234
9.1 正則化復(fù)原框架與模型 234
9.2 范數(shù)自適應(yīng)的影像復(fù)原方法 236
9.2.1 范數(shù)自適應(yīng)的數(shù)據(jù)一致性的柬項(xiàng) 236
9.2.2 范數(shù)自適應(yīng)的正則化先驗(yàn) 240
9.2.3 模型的優(yōu)化求解 241
9.3 實(shí)驗(yàn)結(jié)果與分析 242
9.3.1 植數(shù)自適應(yīng)數(shù)據(jù)一致性的束的驗(yàn)證 242
9.3.2 范數(shù)自適應(yīng)先驗(yàn)?zāi)Ｐ偷尿?yàn)證 243
9.3.3 聯(lián)合框架的驗(yàn)證 246
9.4本章總結(jié) 248
第10章聯(lián)合刃邊提取與交替迭代的盲復(fù)原方法 250
10.1 引言 250
10.2 常用的模糊函數(shù)估計(jì)與盲復(fù)原方法 252
10.2.1 模糊函數(shù)估計(jì)方法 252
10.2.2 基于交普選代**化框架的影像盲復(fù)原 253
10.3 聯(lián)合刃邊提取與交替法代的遙感影像盲復(fù)原 255
10.3.1 整體復(fù)原框架與求解 256
10.3.2 基于刃邊提取的PSF 初始估計(jì) 258
10.3.3 基于影像非參考評(píng)價(jià)指標(biāo)的自動(dòng)終止條件 261
10.4 實(shí)驗(yàn)結(jié)果與分析 262
10.4.1 參數(shù)選取、初始化與終止 263
10.4.2 模擬實(shí)驗(yàn)與分析 263
10.4.3 真實(shí)遙感影像實(shí)驗(yàn)與分析 272
10.5 本章總結(jié) 275