更新时间：2022-08-16 15:07:33
封面
版权信息
内容简介
前言
第1章 绪论
1.1 图像阴影检测与去除
1.2 图像噪声处理
1.3 图像匀光、匀色
1.4 图像超分辨率重建
1.5 深度学习在图像领域中的应用
1.6 本章小结
本章参考文献
第2章 图像阴影检测
2.1 阴影检测的意义
2.2 阴影检测方法分类
2.2.1 基于监督学习的阴影检测方法
2.2.2 基于非监督学习的阴影检测方法
2.3 基于动态粒子群算法的阴影检测
2.3.1 遥感图像阴影检测方法的整体流程
2.3.2 遥感图像阴影检测通道设计
2.3.3 动态局部自适应粒子群算法
2.3.4 局部区域优化
2.4 阴影检测实验
2.5 本章小结
第3章 图像阴影去除
3.1 基于梯度域的图像阴影去除方法
3.1.1 代表性方法研究
3.1.2 二维泊松方程
3.1.3 基于梯度域的图像阴影去除算法框架
3.2 基于光照转移的图像阴影去除方法
3.2.1 代表性方法研究
3.2.2 光照补偿原理
3.2.3 基于光照转移的图像阴影去除算法框架
3.3 基于深度学习的图像阴影去除方法
3.3.1 代表性方法研究
3.3.2 GAN模型
3.3.3 基于生成对抗网络的图像阴影去除模型——ST-CGAN
3.4 本章小结
第4章 图像噪声处理
4.1 背景与现状分析
4.1.1 图像噪声处理的背景及意义
4.1.2 国内外图像噪声处理方法现状分析
4.2 SAR系统成像与相干斑噪声
4.2.1 SAR系统的成像原理
4.2.2 相干斑噪声的形成机理
4.2.3 相干斑噪声的统计模型
4.2.4 相干斑噪声抑制结果的评价指标
4.3 非凸非光滑变分模型及求解方法
4.3.1 基本算子和函数空间的定义
4.3.2 非凸非光滑变分模型
4.3.3 变量分割法
4.3.4 增广拉格朗日法
4.4 抑制相干斑噪声的非凸非光滑变分模型
4.4.1 经典的相干斑噪声抑制变分模型
4.4.2 无截断的非凸非光滑变分模型及数值算法
4.4.3 截断的非凸非光滑变分模型及数值算法
4.5 实验结果与分析
4.5.1 合成数据集和真实SAR图像数据集的构建
4.5.2 模型参数分析
4.5.3 合成数据的相干斑噪声抑制结果分析
4.5.4 真实SAR图像的相干斑噪声抑制结果分析
4.6 本章小结
第5章 图像匀光、匀色
5.1 图像匀光、匀色的意义与现状分析
5.2 图像匀光、匀色方法
5.2.1 图像匀光方法
5.2.2 图像匀色方法
5.2.3 图像质量评价标准
5.3 图像匀光、匀色实验分析
5.3.1 实验数据
5.3.2 匀光处理结果
5.3.3 匀色处理结果
5.4 本章小结
第6章 基于卷积神经网络的图像超分辨率重建
6.1 图像超分辨率重建的意义与现状分析
6.1.1 图像超分辨率重建的背景与意义
6.1.2 图像超分辨率重建方法现状分析
6.2 超分辨率重建技术与数据集
6.2.1 人工神经网络
6.2.2 卷积神经网络基本结构
6.2.3 图像超分辨率重建质量评价指标
6.2.4 超分辨率重建经典模型
6.2.5 实验数据
6.3 基于RDN的超分辨率重建网络模型
6.3.1 RDN模型的网络架构
6.3.2 遥感图像超分辨率重建过程
6.4 实验结果对比分析
6.4.1 RDN模型的训练
6.4.2 基于NWPU-RESISC45数据集的测试结果
6.4.3 基于RSSCN7数据集的测试结果
6.5 本章小结
第7章 基于深度学习的红树林提取
7.1 红树林提取的背景意义与现状分析
7.1.1 红树林提取的背景意义
7.1.2 红树林提取方法现状分析
