《稀疏表示及模糊支持向量机理论在卫星云图处理中的应用》从卫星云图处理的研究现状出发，运用现代信息技术与大气科学交叉互补的研究思路，介绍了稀疏表示和模糊支持向量机理论及其在卫星云图处理中的若干应用。书中采用不确定性理论及机器学习法，开展了卫星云图降噪、多通道云图融合、卫星云图超分辨率、云类识别、云图检索等方面的研究，以期提高气象业务服务水平，并拓展稀疏表示理论及FSVM的实际应用价值。《稀疏表示及模糊支持向量机理论在卫星云图处理中的应用》每章都给出了相应的实验方法和实验结果，希望能给读者带来多的参考价值。
　　《稀疏表示及模糊支持向量机理论在卫星云图处理中的应用》可作为从事信号与信息处理、图像处理、模式识别、遥感信息处理、大气科学等方面研究工作的科技人员的参考资料。

第1章 绪论
1．1 引言
1．2 卫星云图处理的研究现状
1．3 静止气象卫星及其卫星云图
1．3．1 静止气象卫星
1．3．2 卫星云图相关知识
1．4 卫星云图处理的理论准备：稀疏表示及模糊支持向量机理论
1．4．1 稀疏表示理论
1．4．2 支持向量机相关理论
1．5 本章小结
参考文献

第2章 卫星云图预处理
2．1 基于稀疏表示的卫星云图降噪算法
2．1．1 卫星云图稀疏降噪模型
2．1．2 适用于云图降噪的过完备字典D的构造
2．1．3 算法步骤
2．1．4 实验结果与分析
2．2 联合块匹配与稀疏表示的卫星云图修复
2．2．1 基于块匹配的图像修复
2．2．2 云图稀疏修复模型的建立
2．2．3 算法步骤
2．2．4 实验结果及讨论
2．3 抗混叠轮廓波域采用压缩感知的云图融合方法
2．3．1 AFCT的构造
2．3．2 压缩感知（CS）理论
2．3．3 结合AFCT及CS的气象云图融合实现
2．3．4 实验结果及分析
2．4 基于过完备字典稀疏表示的云图超分辨率
2．4．1 算法基本原理
2．4．2 过完备字典对的联合训练
2．4．3 基于稀疏表示的云图超分辨率实现
2．4．4 实验结果与分析
2．5 本章小结
参考文献

第3章 卫星云图压缩感知
3．1 引言
3．2 适合云图稀疏表示的Tetrolet变换
3．3 云图的时空相关性及压缩感知
3．3．1 云图的时空相关性
3．3．2 基于时空相关性的云图压缩感知
3．4 实验结果与分析
3．5 本章小结
参考文献

第4章 利用密度聚类支持向量机的卫星云图云检测
4．1 引言
4．2 资料分析及特征提取
4．2．1 资料分析
4．2．2 特征提取
4．3 密度聚类支持向量机
4．3．1 DBSCAN算法
4．3．2 样本集的纯度
4．3．3 样本集的充足度
4．4 实验结果与分析
4．5 本章小结
参考文献

第5章 适用于卫星云图云类识别的稀疏分类器构造
5．1 当前云分类研究现状
5．2 过完备字典稀疏表示的卫星云图云分类方法
5．2．1 卫星云图云分类体系
5．2．2 适合卫星云图特征表达的过完备字典
5．2．3 字典特征的提取
5．2．4 基于重构残差的稀疏分类器
5．2．5 采用子空间投影的稀疏分类器
5．3 实验结果与分析
5．3．1 CCSI-ODSRF分类器的准确率
5．3．2 多种分类器的对比
5．4 本章小结
参考文献

第6章 采用多模糊支持向量机决策融合的积雨云检测
6．1 积雨云检测的研究现状
6．2 积雨云及其特征提取
6．3 决策融合
6．3．1 模糊支持向量机（FSVM）及其输出模糊概率的拟合
6．3．2 加权系数决策融合
6．4 实验及结果分析
6．5 本章小结
参考文献

第7章 面向卫星云图云类识别的自适应模糊支持向量机
7．1 引言
7．2 基于支持向量机的卫星云图云类识别研究现状
7．3 卫星云图云分类体系及特征提取
7．4 自适应模糊支持向量机
7．4．1 自适应模糊隶属度函数的设计
7．4．2 确定自适应参数
7．5 云分类算法流程
7．6 实验结果及分析
7．7 本章小结
参考文献

第8章 基于稀疏表示的卫星云图检索
8．1 适应于云图检索的特征提取及云图检索评价准则
8．1．1 云图灰度特征提取
8．1．2 基于均匀局部二元模式的云图纹理特征提取
8．1．3 云图形状特征提取
8．1．4 云图检索性能评价准则
8．2 基于稀疏表示的云图检索的实现
8．2．1 采用字典学习的云图特征优化
8．2．2 基于稀疏分类的云图检索算法
8．3 实验结果与分析
8．4 本章小结
参考文献
索引