首页--工业技术论文--自动化技术、计算机技术论文--遥感技术论文--遥感图像的解译、识别与处理论文--图像处理方法论文

基于同质区分析的高光谱影像混合像元分解

摘要第5-7页
Abstract第7-9页
目录第10-14页
第一章 概述第14-26页
    1.1 研究背景和意义第14-16页
    1.2 国内外研究和应用现状第16-24页
        1.2.1 端元提取第17-20页
        1.2.2 丰度反演第20-22页
        1.2.3 非监督解混第22-24页
    1.3 本文的研究目标和研究内容第24-26页
        1.3.1 研究目标第24页
        1.3.2 研究内容第24-26页
第二章 高光谱影像混合像元分解中的几个问题第26-40页
    2.1 高光谱影像混合像元分解第26-33页
        2.1.1 混合像元产生的物理机理第27-28页
        2.1.2 高光谱影像线性混合模型第28-32页
        2.1.3 混合像元分解的一般技术流程第32-33页
    2.2 高光谱影像混合像元分解中的几个问题第33-36页
        2.2.1 空间信息在光谱混合像元分解中的地位和应用第33-34页
        2.2.2 影像局部之于影像整体和单个像元第34-35页
        2.2.3 光谱之间相似性的定量分析方法第35-36页
    2.3 基于同质区分析的混合像元分解技术框架第36-39页
        2.3.1 研究技术框架第36-38页
        2.3.2 影像同质区的概念和意义第38-39页
    2.4 小结第39-40页
第三章 一种新型的光谱相似性测度第40-55页
    3.1 现有的光谱相似性测度现状分析第40-46页
        3.1.1 基于全波段的光谱相似性测度第41-43页
        3.1.2 基于波段选择和变换的光谱相似性测度第43-45页
        3.1.3 结合特定数学理论的光谱相似性测度第45-46页
    3.2 光谱泛相似测度第46-48页
        3.2.1 光谱矢量大小第46-47页
        3.2.2 光谱曲线形状第47页
        3.2.3 光谱信息量第47页
        3.2.4 SPM及其数学特性第47-48页
    3.3 光谱相似性测度有效性评价标准第48-50页
        3.3.1 光谱判别概率(SDPB)第48-49页
        3.3.2 光谱判别熵(SDE)第49页
        3.3.3 光谱判别力(SDPW)第49-50页
    3.4 实验第50-54页
        3.4.1 基于USGS矿物光谱库的试验第50-52页
        3.4.2 基于OMIS影像的像元光谱集试验第52-54页
    3.5 小结第54-55页
第四章 基于同质区分析的高光谱影像端元光谱自动提取第55-93页
    4.1 影像同质区分析第55-61页
        4.1.1 像元同质指数第56-57页
        4.1.2 影像同质区和过渡区第57-59页
        4.1.3 影像同质区分析第59-61页
    4.2 影像候选端元光谱第61-66页
        4.2.1 影像同质区组合第61-64页
        4.2.2 端元特征空间投影第64页
        4.2.3 候选端元光谱提取第64-66页
    4.3 影像端元光谱优化第66-70页
        4.3.1 空间信息约束下优化第66-68页
        4.3.2 光谱信息约束下优化第68-70页
    4.4 HREE方法分析第70-71页
    4.5 实验第71-92页
        4.5.1 端元光谱提取方法的有效性评价标准第71-73页
        4.5.2 基于仿真高光谱影像的实验结果和分析第73-87页
        4.5.3 基于真实高光谱影像的实验结果和分析第87-92页
    4.6 小结第92-93页
第五章 基于约束性非负矩阵分解的高光谱影像非监督解混第93-126页
    5.1 面向混合像元分解问题的非负矩阵分解第93-98页
        5.1.1 非负矩阵分解理论第93-96页
        5.1.2 基于NMF的混合像元分解方法优越性和局限性第96页
        5.1.3 常见的约束性条件第96-98页
    5.2 基于约束性非负矩阵分解的非监督解混第98-105页
        5.2.1 高光谱影像特征分析第98-99页
        5.2.2 平滑性约束的非负矩阵分解第99-101页
        5.2.3 其他约束性条件引入第101-102页
        5.2.4 CNMF算法流程第102-105页
    5.3 收敛性证明第105-107页
    5.4 实验第107-125页
        5.4.1 基于仿真高光谱影像的实验第107-118页
        5.4.2 基于真实高光谱影像的实验第118-125页
    5.5 小结第125-126页
第六章 顾及邻域信息的高光谱影像端元丰度反演第126-138页
    6.1 高光谱影像端元丰度反演第126-129页
        6.1.1 最小二乘法第126-127页
        6.1.2 带约束的最小二乘法第127-129页
    6.2 顾及邻域信息的像元最优端元子集第129-130页
        6.2.1 像元最优端元子集问题分析第129-130页
        6.2.2 顾及邻域信息的像元最优端元子集获取方法分析第130页
    6.3 影像同质区的最优端元子集获取第130-133页
        6.3.1 统计指标第131-132页
        6.3.2 影像同质区端元迭代分析第132-133页
    6.4 实验第133-136页
        6.4.1 不同SNR情况下NESA的有效性分析第134-136页
        6.4.2 基于NESA的端元丰度反演精度分析第136页
    6.5 小结第136-138页
第七章 总结与展望第138-142页
    7.1 本文的主要工作和创新点第138-140页
        7.1.1 本文主要工作第138-139页
        7.1.2 本文创新点第139-140页
    7.2 将来的研究工作和展望第140-142页
参考文献第142-153页
攻读博士学位期间发表的科研成果第153-154页
攻读博士学位期间参与的主要科研项目第154-155页
攻读博士学位期间获奖的情况第155-156页
致谢第156页

论文共156页,点击 下载论文
上一篇:融合点云与高分辨率影像的城区道路提取与表面重建研究
下一篇:TGF-β信号通路中两个与TβRI相互作用蛋白的功能研究