第1章 绪论 1
1.1 基础知识 1
1.2 遥感卫星的特点 5
1.3 多光谱图像与全色图像融合技术的研究现状 6
1.3.1 分量替换法 8
1.3.2 多分辨分析法 12
1.3.3 迭代复原法 16
1.4 稀疏表示理论 19
1.4.1 稀疏表示求解 19
1.4.2 构造过完备字典 20
1.5 质量评价指标 21
第2章 基于稀疏非负矩阵分解的遥感图像融合方法 25
2.1 引言 25
2.2 非负矩阵分解 26
2.2.1 标准非负矩阵分解 26
2.2.2 稀疏非负矩阵分解 28
2.3 融合算法 28
2.4 实验结果与分析 30
2.4.1 QuickBird数据的实验结果 30
2.4.2 GeoEye数据的实验结果 33
2.5 本章小结 36
第3章 基于支撑值变换与半非负矩阵分解的遥感图像融合方法 37
3.1 引言 37
3.2 半非负矩阵分解与支撑值变换 38
3.2.1 半非负矩阵分解 38
3.2.2 最小二乘支撑向量机 38
3.2.3 支撑值变换 39
3.3 融合算法 40
3.4 实验结果与分析 41
3.4.1 QuickBird数据的实验结果 42
3.4.2 GeoEye数据的实验结果 47
3.5 本章小结 52
第4章 基于深度支撑值学习网络的遥感图像融合方法 53
4.1 引言 53
4.2 深度支撑值学习网络 54
4.2.1 深度卷积神经网络 54
4.2.2 深度支撑值学习网络 55
4.3 融合算法 57
4.3.1 DSVL Nets模型 57
4.3.2 基于DSVL Nets的融合算法 58
4.4 实验结果与分析 59
4.4.1 QuickBird数据的实验结果 59
4.4.2 GeoEye数据的实验结果 64
4.5 本章小结 70
第5章 基于多尺度几何变换与层次化稀疏自编码的遥感图像融合方法 71
5.1 引言 71
5.2 图像的多尺度几何表示 72
5.3 构造空间自相似字典 74
5.4 融合算法 75
5.4.1 稀疏自编码模型 75
5.4.2 层次化稀疏自编码 77
5.5 实验结果与分析 77
5.5.1 数据集与实验条件 77
5.5.2 SAE模型性能分析 78
5.5.3 QuickBird数据的实验结果 81
5.5.4 GeoEye数据的实验结果 88
5.5.5 IKONOS数据的实验结果 94
5.5.6 参数分析 100
5.6 本章小结 102
第6章 基于方向树状存储过完备冗余字典的遥感图像融合方法 103
6.1 引言 103
6.2 构造过完备字典 104
6.2.1 KSVD学习字典 104
6.2.2 方向树状Ridgelet字典 104
6.3 融合算法 106
6.4 实验结果与分析 109
6.4.1 QuickBird数据的实验结果 109
6.4.2 GeoEye数据的实验结果 111
6.4.3 IKONOS数据的实验结果 114
6.5 本章小结 116
第7章 基于几何可控核学习的遥感图像融合方法 117
7.1 引言 117
7.2 可控核 118
7.3 融合算法 120
7.4 实验结果与分析 121
7.4.1 QuickBird数据的实验结果 122
7.4.2 IKONOS数据的实验结果 126
7.4.3 参数分析 129
7.5 本章小结 130
第8章 基于超像素和自适应增益的遥感图像融合方法 131
8.1 引言 131
8.2 注入模型 131
8.3 融合算法 132
8.4 实验结果与分析 133
8.4.1 参数分析 133
8.4.2 注入结构信息分析 135
8.4.3 QuickBird数据的实验结果 137
8.4.4 GeoEye数据的实验结果 141
8.5 本章小结 146
第9章 总结与展望 147
9.1 工作总结 147
9.2 工作展望 149
参考文献 151