序
前言
章绪论1
1.1多源图像融合的意义1
1.2遥感图像融合的定义4
1.3遥感图像配准方法概述5
1.3.1遥感图像配准步骤6
1.3.2图像几何变换模型7
1.3.3图像的插值重采样8
1.3.4遥感图像配准方法9
1.4遥感图像融合方法概述11
1.4.1分量替换法11
1.4.2比值变换法14
1.4.3频率分解法15
1.4.4深度学法16
1.5主要研究内容18
1.6本章小结19
参文献19
第2章多源遥感图像融合评价方法25
2.1图像配准精度评价25
2.1.1主观配准评价25
2.1.2客观配准评价26
2.2图像融合度评价29
2.2.1主观融合评价29
2.2.2客观融合评价32
2.3本章小结38
参文献38
第3章宽幅多源光学遥感图像配准方法41
3.1宽幅多源光学遥感图像配准存在的问题41
3.1.1图像自身因素导致的配准问题41
3.1.2技术局限因素导致的配准问题44
3.2基于斑点尺度与斑点纹理约束的宽幅遥感图像配准方法46
3.2.1sift配准方法简介46
3.2.2宽幅全与多光谱图像的子块划分50
3.2.3基于相位相关的图像子块粗配准51
3.2.4基于各向异高斯尺度空间的特征点提取52
3.2.5基于斑点尺度与斑点纹理约束的图像子块精配准54
3.2.6实验结果和分析58
3.3dog与vgg网络结合的遥感图像配准方法63
3.3.1特征点误匹配原因分析63
3.3.2dog与vgg结合的配准网络模型64
3.3.3配准网络模型训练样本生成66
3.3.4实验结果和分析66
3.4本章小结70
参文献71
第4章全与多光谱图像高融合方法73
4.1基于整体结构信息匹配的高融合方法73
4.1.1高融合定义73
4.1.2图像融合存在的问题分析75
4.1.3基于整体结构信息匹配的高融合方法77
4.1.4实验结果和分析81
4.2基于像素分类与比值变换的高融合方法88
4.2.1乘变换融合模型88
4.2.2低分辨率全图像合成89
4.2.3实验结果和分析90
4.3基于生成对抗网络的高融合方法95
4.3.1深度网络的基本作95
4.3.2典型的深度网络融合模型97
4.3.3基于gan的全与多光谱图像融合模型98
4.3.4实验结果和分析102
4.4本章小结108
参文献108
第5章全与高光谱图像高融合方法110
5.1基于残差网络的图像融合方法110
5.1.1比值变换法111
5.1.2残差注意力网络112
5.1.3损失函数113
5.1.4实验结果和分析114
5.2基于生成对抗网络的图像分层融合方法118
5.2.1融合模型体结构118
5.2.2差值图像初始化119
5.2.3生成对抗网络结构120
5.2.4实验结果和分析123
5.3本章小结128
参文献129
第6章多光谱与高光谱图像高融合方法131
6.1基于稀疏表示与双字典的多光谱与高光谱图像融合方法131
6.1.1高光谱图像的稀疏特分析132
6.1.2基于稀疏表示与双字典的多光谱与高光谱图像融合134
6.1.3实验结果和分析140
6.2基于多路神经网络学的多光谱与高光谱图像融合方法152
6.2.1多路神经网络学152
6.2.2基于多路神经网络学的多光谱与高光谱图像融合153
6.2.3实验结果和分析158
6.3本章小结165
参文献165
彩图
占位居中
直播中，去观看