封面 书名页 版权页 前言 目录页 第1章 绪论 1.1 研究背景与意义 1.2 通用的卫星类型 1.2.1 遥感平台 1.2.2 遥感传感器 1.2.3 遥感卫星的发展 1.2.4 遥感卫星的分类及统计 1.3 遥感数据应急机制研究现状 1.3.1 遥感数据的共享机制 1.3.2 遥感数据供需矛盾 第2章 遥感影像时序插补技术 2.1 遥感影像时序插补技术 2.1.1 研究背景 2.1.2 TM时序变化监测技术的发展 2.1.3 研究思路 2.2 对多个传感器的一致性检验 2.2.1 假设条件 2.2.2 对多个传感器的一致性检验 2.3 理论依据 2.3.1 时空自适应模型 2.3.2 同化模型——连续校正算法 2.4 基于时空自适应加权的合成算法 2.4.1 设计思想 2.4.2 数学模型 2.4.3 模型检验 2.4.4 适用性分析 2.5 动态优化时空自适应算法 2.5.1 技术路线 2.5.2 模型建立 2.5.3 流程图示意图 2.5.4 模型分析 2.6 仿真实现 2.6.1 可行性验证 2.6.2 有效性验证 2.7 几种遥感影像时空融合方法 2.7.1 基于混合像元分解的融合方法典型代表：IFSDAF算法 2.7.2 基于时空滤波的融合方法典型代表：ESTARFM算法 2.7.3 基于学习的时空融合方法典型代表：SPSTFM算法 2.8 小结 2.8.1 研究取得成果 2.8.2 进一步研究方向 第3章 遥感影像空间修复技术 3.1 遥感影像空间修复技术 3.1.1 研究背景 3.1.2 面向云遮挡或局部缺失问题的图像修复技术方法研究进展 3.1.3 研究思路 3.2 理论依据 3.2.1 克里金法（Kriging） 3.2.2 纹理合成技术 3.3 改进纹理合成技术 3.3.1 研究思路 3.3.2 实现技术 3.3.3 处理流程 3.3.4 算法延伸讨论 3.4 逆块克里金法 3.4.1 研究背景 3.4.2 研究思路 3.4.3 假设条件 3.4.4 实现技术 3.4.5 处理流程 3.5 遥感影像方法实现 3.5.1 算法评测标准制定 3.5.2 试验及结果分析 3.6 几种遥感影像空间修复方法 3.6.1 基于图像修复的空间修复方法典型代表：基于特征图斑字典学习的自适应修复算法 3.6.2 基于多光谱互补的空间修复方法典型代表：SAR数据辅助+深度残差神经网络算法 3.6.3 基于多时相的空间修复方法典型代表：稀疏正则张量优化算法 3.7 小结 3.7.1 研究取得成果 3.7.2 进一步研究方向 第4章 遥感影像融合技术 4.1 图像融合的三个层级 4.1.1 像素级图像融合 4.1.2 特征级图像融合 4.1.3 决策级图像融合 4.2 多视超分辨率图像融合技术 4.2.1 融合假设 4.2.2 多时相传感器超分辨率图像融合技术 4.2.3 多角度传感器超分辨率图像融合技术 4.2.4 其他超分辨率图像融合技术 4.3 空间光谱图像融合技术 4.3.1 基于成分替换的融合方法 4.3.2 基于多分辨率分析的融合方法 4.3.3 基于模型优化的融合方法 4.3.4 基于混合模型的融合方法 第5章 图像质量评估指标 5.1 概述 5.2 定性评估 5.2.1 视觉评估 5.2.2 分类评估 5.3 定量评估 5.3.1 有参考图像时的评估指标 5.3.2 没有参考图像时的评估指标 5.4 小结 第6章 研究区概述、数据标准化处理及估产模型 6.1 研究区概述 6.2 试验数据说明 6.3 试验数据预处理 6.4 遥感影像的冬小麦面积提取方法 6.5 空间抽样方法 6.6 遥感估产模型 6.7 精度评价 第7章 时序插补影像应用于农业估产 7.1 实例分析 7.1.1 一致性测度检验 7.1.2 实验结果及结果分析 7.2 关于算法推广的讨论 7.2.1 多时相影像公式表达 7.2.2 多源传感器公式表达 7.3 小结 第8章 主产区内冬小麦种植地块的空间缺损信息修复 8.1 实例分析 8.2 算法讨论 8.3 小结 第9章 结语 9.1 研究贡献 9.2 有待进一步研究的问题 9.2.1 算法的继续深入研究点 9.2.2 改进算法的方向 9.2.3 拓宽算法的适用性 ..更多