第1章 绪论

1.1 研究现状

1.1.1 偏微分方程在图像处理中的应用

1.1.2 偏微分方程图像处理方法的发展历史

1.2 基于各向异性扩散的图像分析及其研究现状

1.2.1 高斯噪声去除的各向异性扩散模型

1.2.2 斑点噪声去除的各向异性扩散模型

1.2.3 多维矢量各向异性扩散模型

第2章 各向异性扩散图像分析技术

2.1 偏微分方程图像去噪模型

2.2 尺度空间

2.2.1 尺度空间理论

2.2.2 尺度空间的公理与不变性质

2.3 线性尺度空间

2.3.1 高斯滤波

2.3.2 尺度空间和偏微分方程

2.4 非线性尺度空间

2.4.1 PM各向异性扩散模型

2.4.2 方程解的特性

2.4.3 扩散系数的选择

2.5 其他形式的各向异性扩散方程

2.5.1 CBAB模型

2.5.2 CLMC模型

2.5.3 ALM模型

2.5.4 鲁棒各向异性扩散模型

2.5.5 形态学各向异性扩散模型

2.5.6 MB模型

2.5.7 YK模型

2.5.8 AMD模型

2.5.9 FAB模型

2.5.10 非线性结构张量扩散模型

2.6 各向异性扩散模型参数分析

2.6.1 梯度阈值

2.6.2 高斯滤波尺度因子

2.6.3 迭代最优停止时间的设置

2.7 各向异性扩散模型的数值离散格式

2.7.1 梯度下降显式解法

2.7.2 梯度下降半隐式解法

2.7.3 高维差分解法

第3章 依赖时间的多光谱鲁棒各向异性扩散模型

3.1 依赖时间的鲁棒各向异性扩散模型

3.1.1 依赖时间的各向异性扩散模型

3.1.2 依赖时间的鲁棒各向异性扩散模型

3.2 多光谱各向异性扩散模型

3.2.1 像素相似性准则

3.2.2 多光谱梯度

3.2.3 多光谱各向异性扩散模型

3.3 依赖时间的多光谱鲁棒各向异性扩散模型

3.4 算法步骤与数值计算方法

3.4.1 算法流程

3.4.2 算法讨论

3.5 实验结果与分析

3.5.1 各向异性扩散算法和评价方法

3.5.2 实验结果与分析

第4章 基于梯度和拉普拉斯的高光谱各向异性扩散模型

4.1 高光谱各向异性扩散模型

4.1.1 PM-HAD模型

4.1.2 TD-GVVRAD模型

4.1.3 M-HAD模型

4.2 基于梯度和拉普拉斯的高光谱各向异性扩散模型

4.3 实验结果与分析

4.3.1 高光谱各向异性扩散算法评价方法

4.3.2 实验结果与分析

第5章 SAR图像斑点噪声鲁棒各向异性扩散模型

5.1 斑点噪声的形成原理

5.2 自适应滤波和偏微分方程的联系

5.2.1 Lee滤波与线性偏微分方程的联系

5.2.2 Frost滤波与线性偏微分方程的联系

5.3 基于各向异性扩散的斑点噪声滤波方法

5.3.1 基于局域方差的扩散系数

5.3.2 斑点抑制各向异性扩散SRAD模型

5.4 SAR图像斑点噪声鲁棒各向异性扩散模型

5.4.1 SRAD模型存在的问题

5.4.2 模型特性分析

5.5 本章算法和数值离散方法

5.6 实验结果及其分析

5.6.1 实验结果与分析

5.6.2 参数讨论

第6章 基于概率扩散模型的多光谱遥感图像分类方法

6.1 概率扩散模型

6.1.1 后验概率

6.1.2 概率扩散模型

6.2 基于MPD的多光谱遥感图像自动分类方法

6.3 实验结果与分析

6.3.1 实验数据

6.3.2 监督分类实验及结果分析

6.3.3 非监督分类实验及结果分析

6.3.4 算法讨论

参考文献