高光谱图像数据分布式分类处理方法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-17页 |
| 1.1 课题背景及研究意义 | 第8-10页 |
| 1.2 国内外研究现状及方法调研 | 第10-15页 |
| 1.2.1 国内外的研究现状 | 第10-15页 |
| 1.2.2 国内外文献综述的简析 | 第15页 |
| 1.3 本文的主要研究内容 | 第15-16页 |
| 1.4 论文章节安排 | 第16-17页 |
| 第2章 高光谱图像背景知识 | 第17-33页 |
| 2.1 高光谱图像的特点 | 第17-18页 |
| 2.2 高光谱图像的数据表达 | 第18-20页 |
| 2.2.1 图像空间的表达方式 | 第19页 |
| 2.2.2 光谱空间的表达方式 | 第19-20页 |
| 2.2.3 特征空间的表达方式 | 第20页 |
| 2.3 高光谱图像处理的困难 | 第20-26页 |
| 2.3.1 “Hughes”现象 | 第20-21页 |
| 2.3.2 光谱数据的冗余 | 第21-22页 |
| 2.3.3 光谱数据总量巨大 | 第22-26页 |
| 2.4 高光谱图像特征提取算法 | 第26-31页 |
| 2.4.1 半监督局部稀疏嵌入特征提取算法 | 第26-28页 |
| 2.4.2 基于全局和局部流型结构的特征提取算法 | 第28-31页 |
| 2.5 传统高光谱图像分类处理方法存在的缺陷 | 第31-32页 |
| 2.6 本章小结 | 第32-33页 |
| 第3章 高光谱图像波段选择与分布式处理算法设计 | 第33-52页 |
| 3.1 高光谱图像的波段选择和分类算法概述 | 第33-39页 |
| 3.1.1 算法内容介绍 | 第33-34页 |
| 3.1.2 波段选择算法的设计 | 第34-38页 |
| 3.1.3 波段选择方法的分布式设计 | 第38-39页 |
| 3.2 高光谱图像的波段选择和分类算法的具体实现 | 第39-50页 |
| 3.2.1 高光谱图像波段选择算法流程 | 第40-44页 |
| 3.2.2 高光谱图像分类的原理及算法 | 第44-48页 |
| 3.2.3 分布式集群加速波段选择算法 | 第48-50页 |
| 3.3 高光谱图像的波段选择和分类算法分析 | 第50-51页 |
| 3.3.1 波段选择算法理论分析 | 第50页 |
| 3.3.2 SVM分类算法理论分析 | 第50页 |
| 3.3.3 分布式集群计算方法理论分析 | 第50-51页 |
| 3.4 本章小结 | 第51-52页 |
| 第4章 实验分析与比较 | 第52-64页 |
| 4.1 实验方案 | 第52-54页 |
| 4.1.1 数据来源 | 第52页 |
| 4.1.2 实验设计 | 第52-54页 |
| 4.2 实验环境及参数说明 | 第54-55页 |
| 4.3 实验结果与分析 | 第55-63页 |
| 4.3.1 单机下波段选择算法实验结果对比 | 第55-59页 |
| 4.3.2 波段拆分结果分析 | 第59-61页 |
| 4.3.3 分布式波段选择算法实验结果 | 第61-63页 |
| 4.4 本章小结 | 第63-64页 |
| 结论 | 第64-65页 |
| 参考文献 | 第65-71页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第71-73页 |
| 致谢 | 第73页 |
