| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 课题研究背景和意义 | 第9-14页 |
| 1.1.1 高光谱图像中混合像元的产生 | 第9-10页 |
| 1.1.2 高光谱图像混合模型 | 第10-12页 |
| 1.1.3 高光谱图像解混处理流程 | 第12-14页 |
| 1.2 国内外研究现状及发展趋势 | 第14-15页 |
| 1.2.1 基于核函数的分析方法 | 第14-15页 |
| 1.2.2 基于流形学习的非线性分析方法 | 第15页 |
| 1.3 论文研究工作及内容安排 | 第15-17页 |
| 第二章 高光谱图像非线性解混算法 | 第17-25页 |
| 2.1 基于双线性混合模型的高光谱图像非线性解混算法 | 第17-22页 |
| 2.1.1 Nascimento双线性模型 | 第18页 |
| 2.1.2 Fan双线性模型 | 第18-19页 |
| 2.1.3 广义双线性模型 | 第19页 |
| 2.1.4 后非线性模型 | 第19-20页 |
| 2.1.5 p阶多项式混合模型 | 第20-22页 |
| 2.2 高光谱图像解混性能评价标准 | 第22-25页 |
| 2.2.1 均方根误差 | 第22页 |
| 2.2.2 重构误差 | 第22页 |
| 2.2.3 光谱角距离 | 第22-25页 |
| 第三章 基于神经网络的高光谱图像非线性解混算法 | 第25-39页 |
| 3.1 多层感知器神经网络 | 第25-28页 |
| 3.1.1 神经网络参数设置 | 第25-27页 |
| 3.1.2 神经网络性能评价参数 | 第27页 |
| 3.1.3 神经网络训练 | 第27-28页 |
| 3.2 算法解混原理 | 第28-30页 |
| 3.2.4 个体位置的约束映射 | 第28页 |
| 3.2.5 目标函数的选取 | 第28-29页 |
| 3.2.6 算法的实现步骤 | 第29-30页 |
| 3.3 仿真数据实验和真实数据实验 | 第30-39页 |
| 3.3.1 仿真数据实验 | 第31-33页 |
| 3.3.2 真实数据实验 | 第33-39页 |
| 第四章 基于神经网络和差分搜索的高光谱图像非线性解混算法 | 第39-53页 |
| 4.1 差分搜索算法 | 第39-42页 |
| 4.1.1 初始化原理 | 第40-41页 |
| 4.1.2 差分搜索算法的搜索策略 | 第41-42页 |
| 4.2 多层感知器神经网络估计多项式模型的非线性阶数 | 第42页 |
| 4.3 解混原理 | 第42-44页 |
| 4.3.1 目标函数的选取 | 第42-43页 |
| 4.3.2 个体位置的约束映射 | 第43页 |
| 4.3.3 算法实现步骤 | 第43-44页 |
| 4.4 仿真数据实验和真实数据实验 | 第44-53页 |
| 4.4.1 仿真数据实验 | 第45-47页 |
| 4.4.2 真实数据实验 | 第47-53页 |
| 第五章 总结与展望 | 第53-56页 |
| 5.1 论文工作总结 | 第53-54页 |
| 5.1.1 基于神经网络的高光谱图像非线性解混算法 | 第53-54页 |
| 5.1.2 基于神经网络和差分搜索的高光谱图像非线性解混算法 | 第54页 |
| 5.2 展望 | 第54-56页 |
| 5.2.1 GPU加快计算速度 | 第54-55页 |
| 5.2.2 神经网络参数的优化选择 | 第55-56页 |
| 参考文献 | 第56-61页 |
| 发表论文和参加科研情况说明 | 第61-62页 |
| 致谢 | 第62-63页 |
