| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-25页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 国内外研究现状与问题 | 第11-15页 |
| 1.2.1 国内外研究现状 | 第11-14页 |
| 1.2.2 研究存在的问题 | 第14-15页 |
| 1.3 论文实验数据 | 第15-21页 |
| 1.4 本文的研究内容和结构安排 | 第21-25页 |
| 1.4.1 论文的研究内容 | 第21-23页 |
| 1.4.2 章节安排 | 第23-25页 |
| 第二章 基于超图拉普拉斯约束的高光谱影像低秩表示去噪 | 第25-39页 |
| 2.1 低秩表示理论 | 第25-27页 |
| 2.2 稀疏与低秩表示模型 | 第27-29页 |
| 2.2.1 稀疏表示模型 | 第27-28页 |
| 2.2.2 低秩表示模型 | 第28-29页 |
| 2.3 局部超图拉普拉斯约束的低秩表示模型 | 第29-33页 |
| 2.3.1 高光谱影像超图结构 | 第29-31页 |
| 2.3.2 局部超图拉普拉斯约束的低秩表示模型 | 第31-33页 |
| 2.4 实验与分析 | 第33-37页 |
| 2.4.1 AVIRIS Indiana Pines影像实验结果 | 第33-36页 |
| 2.4.2 ProSpecTIR-VS Reno影像实验结果 | 第36-37页 |
| 2.4.3 实验结果分析 | 第37页 |
| 2.5 小结 | 第37-39页 |
| 第三章 融合光谱-空间多特征的高光谱影像张量特征提取 | 第39-53页 |
| 3.1 张量空间理论 | 第39-40页 |
| 3.2 张量与多维线性代数 | 第40-42页 |
| 3.2.1 张量的内积，范数和距离 | 第40-41页 |
| 3.2.2 张量与矩阵的k维度乘积 | 第41页 |
| 3.2.3 张量的k维度展开 | 第41页 |
| 3.2.4 张量外积 | 第41页 |
| 3.2.5 张量分解 | 第41-42页 |
| 3.3 融合光谱-空间多特征的高光谱影像张量特征提取 | 第42-46页 |
| 3.3.1 局部张量判别分析 | 第42-43页 |
| 3.3.2 纹理特征提取 | 第43-45页 |
| 3.3.3 形态学属性剖面形状特征提取 | 第45-46页 |
| 3.3.4 空谱特征融合张量特征提取步骤 | 第46页 |
| 3.4 实验与分析 | 第46-51页 |
| 3.4.1 实验参数设置 | 第46-47页 |
| 3.4.2 ROSIS Pavia University影像实验结果及分析 | 第47-50页 |
| 3.4.3 AVIRIS Salinas影像实验结果及分析 | 第50-51页 |
| 3.5 小结 | 第51-53页 |
| 第四章 基于概率分类向量机的高光谱影像模糊分类 | 第53-63页 |
| 4.1 稀疏核学习模型 | 第53-54页 |
| 4.2 概率分类向量机模糊分类 | 第54-58页 |
| 4.2.1 概率分类向量机 | 第54-55页 |
| 4.2.2 模型参数推断 | 第55-56页 |
| 4.2.3 影像模糊分类 | 第56-58页 |
| 4.2.4 概率分类向量机模糊分类 | 第58页 |
| 4.3 实验与分析 | 第58-62页 |
| 4.3.1 OMIS太湖高光谱影像模糊分类对比实验 | 第58-60页 |
| 4.3.2 PHI常州高光谱影像模糊分类对比实验 | 第60-61页 |
| 4.3.3 实验结果分析 | 第61-62页 |
| 4.4 小结 | 第62-63页 |
| 第五章 总结与展望 | 第63-65页 |
| 5.1 论文的主要工作及创新点 | 第63-64页 |
| 5.2 有待进一步研究的问题 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-73页 |
| 作者简历 | 第73页 |
