李紅著的《遙感圖像融合方法研究/模式識別技術
叢書》主要針對多光譜圖像與全色圖像融合過程中出
現的空間結構損失與光譜信息失真等問題，提出了基
於非負矩陣分解、稀疏表征以及核學習等遙感圖像融
合方法。主要內容包含如下幾個方面：以學習數據的
有效表示為主題，通過挖掘數據本身固有的結構信息
，有效地對遙感圖像進行融合：將線性模型擴展到非
線性模型，利用深層網絡結構較好的特征學習能力，
提出基於深度支撐值學習網絡的遙感圖像融合方法。
本書可為高等院校計算機科學、信息科學、人工
智能等領域的研究人員提供參考，也可供相關專業本
科生、研究生、教師及感興趣的研究人員參考。

前言
第1章 緒論
1.1 基礎知識
1.2 遙感衛星的特點
1.3 多光譜圖像與全色圖像融合技術的研究現狀
1.3.1 分量替換法
1.3.2 多分辨分析法
1.3.3 迭代復原法
1.4 稀疏表示理論
1.4.1 稀疏表示求解
1.4.2 構造過完備字典
1.5 質量評價指標
第2章 基於稀疏非負矩陣分解的遙感圖像融合方法
2.1 引言
2.2 非負矩陣分解
2.2.1 標準非負矩陣分解
2.2.2 稀疏非負矩陣分解
2.3 融合算法
2.4 實驗結果與分析
2.4.1 QuickBird數據的實驗結果
2.4.2 GeoEye數據的實驗結果
2.5 本章小結
第3章 基於支撐值變換與半非負矩陣分解的遙感圖像融合方法
3.1 引言
3.2 半非負矩陣分解與支撐值變換
3.2.1 半非負矩陣分解
3.2.2 *小二乘支撐向量機
3.2.3 支撐值變換
3.3 融合算法
3.4 實驗結果與分析
3.4.1 QuickBird數據的實驗結果
3.4.2 GeoEye數據的實驗結果
3.5 本章小結
第4章 基於深度支撐值學習網絡的遙感圖像融合方法
4.1 引言
4.2 深度支撐值學習網絡
4.2.1 深度卷積神經網絡
4.2.2 深度支撐值學習網絡
4.3 融合算法
4.3.1 DSVLNets模型
4.3.2 基於DSVLNets的融合算法
4.4 實驗結果與分析
4.4.1 QuickBird數據的實驗結果
4.4.2 GeoEye數據的實驗結果
4.5 本章小結
第5章 基於多尺度幾何變換與層次化稀疏自編碼的遙感圖像融合方法
5.1 引言
5.2 圖像的多尺度幾何表示
5.3 構造空間自相似字典
5.4 融合算法
5.4.1 稀疏自編碼模型
5.4.2 層次化稀疏自編碼
5.5 實驗結果與分析
5.5.1 數據集與實驗條件
5.5.2 SAE模型性能分析
5.5.3 QuickBird數據的實驗結果
5.5.4 GeoEye數據的實驗結果
5.5.5 IKONOS數據的實驗結果
5.5.6 參數分析
5.6 本章小結
第6章 基於方向樹狀存儲過完備冗餘字典的遙感圖像融合方法
6.1 引言
6.2 構造過完備字典
6.2.1 KSVD學習字典
6.2.2 方向樹狀Ridgelet字典
6.3 融合算法
6.4 實驗結果與分析
6.4.1 QuickBird數據的實驗結果
6.4.2 GeoEye數據的實驗結果
6.4.3 IKONOS數據的實驗結果
6.5 本章小結
第7章 基於幾何可控核學習的遙感圖像融合方法
7.1 引言
7.2 可控核
7.3 融合算法
7.4 實驗結果與分析
7.4.1 QuickBird數據的實驗結果
7.4.2 IKONOS數據的實驗結果
7.4.3 參數分析
7.5 本章小結
第8章 基於超像素和自適應增益的遙感圖像融合方法
8.1 引言
8.2 注入模型
8.3 融合算法
8.4 實驗結果與分析
8.4.1 參數分析
8.4.2 注入結構信息分析
8.4.3 QuickBird數據的實驗結果
8.4.4 GeoEye數據的實驗結果
8.5 本章小結
第9章 總結與展望
9.1 工作總結
9.2 工作展望
參考文獻