| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-23页 |
| 1.1 课题研究的背景和意义 | 第15-16页 |
| 1.2 高光谱图像研究现状 | 第16-21页 |
| 1.2.1 高光谱遥感技术的发展现状 | 第16-17页 |
| 1.2.2 高光谱图像数据的特点 | 第17页 |
| 1.2.3 高光谱图像分类技术的研究现状 | 第17-19页 |
| 1.2.4 高光谱图像解混技术的研究现状 | 第19-21页 |
| 1.3 论文章节安排 | 第21-23页 |
| 第二章 稀疏表示方法理论 | 第23-29页 |
| 2.1 引言 | 第23页 |
| 2.2 稀疏表示模型 | 第23-24页 |
| 2.3 稀疏重构算法 | 第24-28页 |
| 2.3.1 匹配追踪算法 | 第24-26页 |
| 2.3.2 正交匹配追踪算法 | 第26-27页 |
| 2.3.3 交替乘子方向法 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 基于稀疏表示的高光谱图像分类方法 | 第29-45页 |
| 3.1 引言 | 第29页 |
| 3.2 传统稀疏分类算法 | 第29-31页 |
| 3.2.1 稀疏分类模型 | 第29-30页 |
| 3.2.2 重建和分类 | 第30-31页 |
| 3.3 基于一阶邻域系统加权约束的稀疏分类方法 | 第31-34页 |
| 3.3.1 一阶邻域系统加权约束 | 第31-32页 |
| 3.3.2 基于一阶邻域系统加权约束的稀疏分类模型 | 第32-34页 |
| 3.4 实验分析与研究 | 第34-43页 |
| 3.4.1 评价标准 | 第34-35页 |
| 3.4.2 高光谱图像数据 | 第35-38页 |
| 3.4.3 实验结果分析 | 第38-43页 |
| 3.5 本章小结 | 第43-45页 |
| 第四章 基于稀疏表示的高光谱图像解混方法 | 第45-63页 |
| 4.1 引言 | 第45页 |
| 4.2 传统稀疏解混方法 | 第45-47页 |
| 4.2.1 线性光谱解混方法 | 第45-46页 |
| 4.2.2 基于稀疏表示的高光谱解混方法 | 第46-47页 |
| 4.3 基于S-SMRF约束的高光谱图像稀疏解混方法 | 第47-54页 |
| 4.3.1 马尔科夫随机场 | 第47-48页 |
| 4.3.2 基于S-SMRF约束的高光谱图像稀疏解混模型 | 第48-51页 |
| 4.3.3 基于ADMM的快速求解算法 | 第51-54页 |
| 4.4 实验分析与研究 | 第54-61页 |
| 4.4.1 评价标准 | 第54页 |
| 4.4.2 高光谱图像数据 | 第54-55页 |
| 4.4.3 实验结果分析 | 第55-61页 |
| 4.5 本章小结 | 第61-63页 |
| 第五章 结论和展望 | 第63-65页 |
| 5.1 研究结论 | 第63页 |
| 5.2 研究展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-71页 |
| 作者简介 | 第71-72页 |
| 1.基本情况 | 第71页 |
| 2.教育背景 | 第71页 |
| 3.在学期间的研究成果 | 第71-72页 |
