高光谱遥感图像端元提取算法研究与系统实现
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-12页 |
| ·引言 | 第8-9页 |
| ·端元提取算法发展现状 | 第9页 |
| ·高光谱遥感数据 | 第9-11页 |
| ·本文的主要研究内容和组织结构 | 第11页 |
| ·小结 | 第11-12页 |
| 第二章 混合像元模型 | 第12-24页 |
| ·高光谱遥感的电磁理论基础 | 第12-13页 |
| ·常见地物光谱模型 | 第13-14页 |
| ·岩矿的光谱特性 | 第13页 |
| ·植被的光谱特性 | 第13-14页 |
| ·土壤的光谱特性 | 第14页 |
| ·水体的光谱特性 | 第14页 |
| ·城市目标的光谱特性 | 第14页 |
| ·混合光谱问题 | 第14-15页 |
| ·非线性光谱混合模型 | 第15-16页 |
| ·线性光谱混合模型 | 第16-20页 |
| ·物理学描述 | 第16-18页 |
| ·代数学描述 | 第18-19页 |
| ·几何学描述 | 第19-20页 |
| ·常见端元提取算法 | 第20-22页 |
| ·纯像元指数算法 | 第20-21页 |
| ·N-FINDR 算法 | 第21页 |
| ·单形体体积法 | 第21-22页 |
| ·小结 | 第22-24页 |
| 第三章 纯像元指数算法软件实现 | 第24-34页 |
| ·凸面单型体模型 | 第24页 |
| ·纯像元指数算法流程 | 第24-26页 |
| ·数据降维 | 第26-30页 |
| ·噪声波段删除法 | 第26-27页 |
| ·PCA 主成分分析法 | 第27页 |
| ·MNF 最小噪声分离法 | 第27-30页 |
| ·C 语言软件实现 | 第30页 |
| ·高光谱遥感图像测试 | 第30-31页 |
| ·时间复杂度分析 | 第31-32页 |
| ·小结 | 第32-34页 |
| 第四章 纯像元指数算法硬件并行结构设计 | 第34-48页 |
| ·矩阵乘法顺序 | 第34-36页 |
| ·随机矩阵优先模式 | 第35页 |
| ·图像矩阵优先模式 | 第35-36页 |
| ·极值比较 | 第36-37页 |
| ·结果输出 | 第37页 |
| ·并行模式 | 第37-40页 |
| ·波段并行 | 第38-39页 |
| ·矩阵分块并行 | 第39-40页 |
| ·高级语言综合工具 | 第40-44页 |
| ·存储器分配约束 | 第40-41页 |
| ·并行计算约束 | 第41-43页 |
| ·流水机制约束 | 第43-44页 |
| ·电路综合 | 第44-46页 |
| ·小结 | 第46-48页 |
| 第五章 软硬件协同平台设计 | 第48-62页 |
| ·同构、异构多核架构的优点和挑战 | 第48页 |
| ·什么是软硬件协同设计 | 第48页 |
| ·软硬件协同设计的优势 | 第48页 |
| ·软硬件协同设计的基本流程 | 第48-49页 |
| ·ZYNQ 平台 | 第49-53页 |
| ·PS 部分 | 第50-51页 |
| ·PL 部分 | 第51-52页 |
| ·AXI 总线 | 第52页 |
| ·嵌入式 Linux | 第52-53页 |
| ·系统实现 | 第53-58页 |
| ·软硬件数据交互 | 第53-54页 |
| ·纯像元指数算法的 SoC 系统配置 | 第54-55页 |
| ·纯像元指数算法硬件设计结构 | 第55-57页 |
| ·纯像元指数算法软件设计 | 第57-58页 |
| ·系统测试 | 第58-61页 |
| ·小结 | 第61-62页 |
| 第六章 实验结果分析 | 第62-68页 |
| ·实验数据 | 第62页 |
| ·端元提取结果 | 第62-64页 |
| ·性能比对 | 第64-67页 |
| ·小结 | 第67-68页 |
| 第七章 总结与展望 | 第68-70页 |
| 致谢 | 第70-72页 |
| 参考文献 | 第72-74页 |
| 硕士在读期间研究成果 | 第74-75页 |
