基于非负矩阵分解的高光谱图像解混研究
| 摘要 | 第6-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第11-20页 |
| 1.1 课题研究的背景和目的意义 | 第11-13页 |
| 1.1.1 课题研究的背景 | 第11-12页 |
| 1.1.2 课题研究的目的意义 | 第12-13页 |
| 1.2 高光谱图像成像和混合像元分解技术的发展 | 第13-18页 |
| 1.2.1 光谱成像技术的应用和发展 | 第13-14页 |
| 1.2.2 高光谱图像的特点 | 第14-15页 |
| 1.2.3 高光谱混合像元分解技术的现状与发展 | 第15-18页 |
| 1.3 论文主要研究内容及结构安排 | 第18-19页 |
| 1.4 本文实验运行的环境 | 第19页 |
| 1.5 本文所采用的数据源 | 第19-20页 |
| 第2章 高光谱图像混合像元分解技术 | 第20-30页 |
| 2.1 线性光谱混合模型 | 第20-21页 |
| 2.2 端元数目的确定 | 第21-23页 |
| 2.2.1 主成分分析 | 第21页 |
| 2.2.2 虚拟维度 | 第21-23页 |
| 2.2.3 Hysime方法 | 第23页 |
| 2.3 端元提取算法 | 第23-26页 |
| 2.3.1 PPI算法 | 第23-24页 |
| 2.3.2 N-FINDR算法 | 第24-25页 |
| 2.3.3 SGA算法 | 第25-26页 |
| 2.4 丰度反演算法 | 第26-28页 |
| 2.4.1 无约束的最小二乘算法 | 第26-27页 |
| 2.4.2 归一化约束的最小二乘算法 | 第27页 |
| 2.4.3 非负约束的最小二乘算法 | 第27-28页 |
| 2.4.4 全约束的最小二乘算法 | 第28页 |
| 2.5 本章小结 | 第28-30页 |
| 第3章 面向感兴趣类别的非负矩阵分解算法 | 第30-47页 |
| 3.1 非负矩阵分解算法 | 第30-33页 |
| 3.1.1 目标函数的建立 | 第30-31页 |
| 3.1.2 迭代规则 | 第31-33页 |
| 3.2 非负矩阵分解算法在混合像元分解中的应用 | 第33-37页 |
| 3.2.1 平滑约束的非负矩阵分解 | 第33-35页 |
| 3.2.2 最小体积约束的非负矩阵分解 | 第35页 |
| 3.2.3 最小距离限制的非负矩阵分解 | 第35-36页 |
| 3.2.4 最小光谱相关约束的非负矩阵分解 | 第36-37页 |
| 3.3 面向感兴趣类别的非负矩阵分解算法 | 第37-46页 |
| 3.3.1 算法描述 | 第37-40页 |
| 3.3.2 混合像元分解结果的评价指标 | 第40页 |
| 3.3.3 模拟数据验证 | 第40-42页 |
| 3.3.4 真实数据验证 | 第42-46页 |
| 3.4 本章小结 | 第46-47页 |
| 第4章 一种基于光谱距离约束的非负矩阵分解算法 | 第47-57页 |
| 4.1 算法描述 | 第47-50页 |
| 4.2 模拟数据验证 | 第50-54页 |
| 4.3 真实数据验证 | 第54-56页 |
| 4.4 本章小结 | 第56-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-66页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第66-67页 |
| 致谢 | 第67页 |
